PDFMiner

PDFMiner funciona através da tomando o conteúdo de um arquivo PDF e convertê-lo para um formato mais maleável como HTML.
A partir daí, o texto e os dados são extraídos e analisados, e com base nas regras predefinidas separados e apresentados ao utilizador ou enviados para outros instrumentos de análise de dados mais poderosos.
Se a análise de texto não é o que você pretende fazer, você pode facilmente configurar PDFMiner simplesmente extrair ou apenas converter dados de PDF também.
Suas funções podem trabalhar separadamente um do outro e permitir um espectro mais amplo uso graças a ele

Recursos :.

• 100% Python código, não C ou C ++
• analisar PDFs
• Analisar PDFs
• Converter PDFs para outros formatos
• extractor TOC
• Tenha somente com etiquetas de conteúdo
• Suporte para um grande número de recursos de texto PDF
• Suporte para um grande número de tipos de letra dentro PDFs
• criptografia básica (RC4) apoio

O que é novo nesta versão:

• método PDFDocument.initialize () é removida e não é mais necessário . Uma senha é dada como um argumento de um construtor PDFDocument.

O que é novo na versão 20110515:.

• mudanças na API
• classe LTPolygon foi rebatizado como LTCurve.

O que é novo na versão 20110227:.

• Correções de bugs e melhorias de análise do layout

O que é novo na versão 20101226:.

• Um par de correções de bugs e pequenas melhorias

O que é novo na versão 20101017:.

• Um par de correções de bugs e uma pequena melhoria

O que é novo na versão 20100424:.

• correções de bugs e pequenas melhorias na extração de TOC

Requisitos :

• Python 2.4 até 3

Limitações :.

• PDFMiner pode ser 20 vezes mais lento do que C ++ C / - software baseado