PDFMiner

PDFMiner működik, hogy először figyelembe a tartalmat egy PDF fájlt, és átalakítja azt egy rugalmas formátum, mint a HTML.
Onnan, szöveges és le kell szedni és elemezték, és az előre meghatározott szabályok szétválasztjuk, és a felhasználónál, vagy küldött más erősebb adatelemző eszközöket.
Ha a szöveg elemzés nem, mit szándékozik tenni, könnyen konfigurálható PDFMiner egyszerűen kivonat vagy csak átalakítani PDF adatokat is.
Feladatai működhet egymástól elkülönítve, és lehetővé teszi a szélesebb körű alkalmazására spektrum köszönhetően ez.

Tulajdonságok :

• 100% Python kód, nem C vagy C ++
• Feldolgozási PDF
• elemzése PDF
• Convert PDF fájlok más formátumokba
• ToC elszívó
• Get csak címkézett tartalom
• Támogatás számos szöveges PDF funkciók
• Támogatás nagyszámú betűtípusok belsejében PDF
• Basic titkosítás (RC4) támogatása

Mi az új ebben a kiadásban:

• PDFDocument.initialize () metódus eltávolítjuk, és már nincs szükség . A jelszó van megadva érvként egy PDFDocument kivitelező.

Mi az új verzióban 20110515:

• API változások.
• LTPolygon class átnevezték LTCurve.

Mi az új verzióban 20110227:

• hibajavítások és elrendezés elemzési fejlesztéseket.

Mi az új verzióban 20101226:

• Egy pár hibajavítás és kisebb fejlesztések.

Mi az új verzióban 20101017:

• Egy pár hibajavítás és a kisebb javulás.

Mi az új verzióban 20100424:

• hibajavítás és apró javulás a TOC kitermelése.

követelmények :

• Python 2.4 akár 3

Korlátozások :

• PDFMiner lehet 20-szor lassabb, mint a C / C ++ - alapú szoftver.