from groupdocs.parser import Parser
# 加载文档
with Parser("sample.pdf") as parser:
# 从文档中提取文本
text = parser.GetText()
# 打印所有提取的文本
print(text)
pip install groupdocs-parser-net
用于在 Python 应用程序中执行高精度文档解析的 Document Parser SDK
GroupDocs.Parser for Python via .NET API 使您能够从各种文件格式（如 Office 文档、电子邮件、附件和压缩包）检索文本、元数据和图像。此强大工具帮助您高效访问和处理这些文件中包含的有价值信息，可用于数据分析、搜索引擎索引或内容管理系统等各种应用。
从 PDF 表单中提取超链接、表格、二维码、条形码和数据等各种元素。还可使用自定义模板解析文档中的任意所需信息。
Python API 使您能够以原始、结构化、HTML 或 Markdown 等多种格式检索数据。此外，API 还提供搜索功能，可在文档文本中定位特定单词或短语。
GroupDocs.Parser for Python via .NET 支持以下操作系统、框架和包管理器
GroupDocs.Parser for Python via .NET 支持以下 文件格式。
使用我们的 Python Document Parser SDK，迅速且准确地从 PDF、Office 文档、图像及其他格式中提取数据
提取文本
从各种文件格式（如 Office 文档、PDF 文件和图像）中提取文本信息，便于阅读和分析。
提取图像
从 Office 文档、PDF 文件等各种来源检索可视内容，方便访问和使用。
扫描二维码
检测并解码 Office 文档、PDF 文件或视觉内容中的二维码，实现高效信息检索。
从电子邮件附件和压缩包中提取数据
从电子邮件、文件附件和压缩数据源中收集有价值的信息，以便进行有效的分析和利用。
提取表格
识别并提取 PDF 文档中的表格数据，以便进行有序的分析和使用。
提取超链接
在 Office 文档或 PDF 文件中定位并提取超链接和电子邮件地址，以实现高效访问。
解析 PDF 表单
PDF 表单是具有可填写字段的数字文档，供用户交互，可电子方式输入信息。Python API 可用于从这些表单中提取数据，以实现高效处理。
使用模板解析数据
创建自定义模板并使用 Python API 对其进行调用，以解析 PDF 文件中的特定信息，简化数据提取流程。
在文档中搜索文本
快速定位文档中的特定单词或模式。
除基本文本提取外，这里列出最常见的快速文本、图像和元数据提取用例。
此示例演示如何在 PDF 文档中搜索特定短语并打印其出现位置。
from groupdocs.parser import Parser
# 加载文档
with Parser("sample.pdf") as parser:
# 打印短语所在的页面索引和矩形区域
for area in parser.Search("Total Amount"):
# 打印短语所在的页面索引和矩形区域
print(f"Page {area.PageIndex}, Rectangle: {area.Rectangle}")
此示例演示如何从 PDF 文档中提取图像并将其保存到文件。
from groupdocs.parser import Parser
# 加载文档
with Parser("sample.docx") as parser:
# 从文档中提取图像
images = parser.GetImages()
# 将图像保存到文件
index = 1
for image in images:
image.Save(f"image_{index}.png")
index += 1
此示例演示如何从 PDF 文档中提取元数据并打印。
from groupdocs.parser import Parser
# 加载文档
with Parser("sample.pdf") as parser:
# 从文档中提取元数据
metadata = parser.GetMetadata()
# 打印元数据
for item in metadata:
print(f"{item.Name}: {item.Value}")
