Repolode
Предложить
jsvine

jsvine/pdfplumber

Библиотека Python и CLI для извлечения текста, таблиц и подробных данных об объектах (символах, линиях, прямоугольниках) из PDF, созданных программами.

Open source альтернатива:Adobe Acrobat

Открыть на GitHub
Звёзды
10,833
Форки
935
Открытые issues
119
Последний коммит
6 дней назад

Что это?

pdfplumber — библиотека Python для изучения содержимого PDF-файлов. Она предоставляет доступ к каждому символу, прямоугольнику, линии, кривой и изображению на странице, а также к их координатам, шрифту и цвету. Это позволяет анализировать документ на уровне отдельных графических объектов, а не только извлекать обычный текст.

Помимо низкоуровневого доступа, библиотека предлагает методы для извлечения текста с настраиваемыми допусками по расстояниям, поиска слов и совпадений с координатами, а также распознавания таблиц по линиям-разделителям или выравниванию текста. Таблицы можно извлекать в виде списков строк и ячеек, а параметры поиска таблиц настраивать.

В библиотеку входят инструменты визуальной отладки: они преобразуют страницу в изображение и накладывают на него найденные линии, пересечения и таблицы. Это помогает настраивать параметры извлечения. pdfplumber построена на pdfminer.six и лучше всего работает с PDF, созданными программами, а не со сканами. Интерфейс командной строки позволяет экспортировать объекты в CSV, JSON или текст.

Ключевые возможности

  • 01Доступ к отдельным символам, линиям, прямоугольникам, кривым и изображениям, включая данные об их положении и цвете.
  • 02Извлечение текста с настраиваемыми допусками и экспериментальным режимом сохранения структуры страницы.
  • 03Поиск слов и совпадений по регулярным выражениям с возвратом ограничивающих прямоугольников.
  • 04Распознавание таблиц по линиям-разделителям, выравниванию текста или заданным координатам.
  • 05Визуальная отладка: рендеринг страниц с наложением найденных таблиц и линий.
  • 06Экспорт в CSV, JSON или текст через интерфейс командной строки.

Сценарии использования

  • Извлечение таблиц из финансовых и государственных PDF-отчётов в структуры данных Python.
  • Извлечение текста с координатами из счетов или форм для последующего разбора.
  • Визуальная настройка параметров извлечения таблиц для PDF со сложной структурой.
  • Анализ и отладка графических объектов внутри PDF.

Быстрый старт

  1. 1

    Установите pdfplumber из PyPI

    pip install pdfplumber
  2. 2

    Откройте PDF и выведите первый символ первой страницы с помощью Python

Что важно знать

  • Лучше всего работает с PDF, созданными на компьютере, а не со сканированными документами.

Темы

#pdf#pdf-parsing#table-extraction#text-extraction#python#data-extraction

Частые вопросы

Что такое pdfplumber?
Библиотека Python и CLI для извлечения текста, таблиц и подробных данных об объектах (символах, линиях, прямоугольниках) из PDF, созданных программами. pdfplumber — библиотека Python для изучения содержимого PDF-файлов. Она предоставляет доступ к каждому символу, прямоугольнику, линии, кривой и изображению на странице, а также к их координатам, шрифту и цвету. Это позволяет анализировать документ на уровне отдельных графических объектов, а не только извлекать обычный текст.
pdfplumber можно использовать бесплатно? Какая у него лицензия?
pdfplumber распространяется с открытым исходным кодом под лицензией MIT. Перед использованием в коммерческих продуктах проверьте условия лицензии.
pdfplumber всё ещё поддерживается?
Активно поддерживается. Последний коммит в pdfplumber — 15 окт. 2026 г..
Для чего можно использовать pdfplumber?
Извлечение таблиц из финансовых и государственных PDF-отчётов в структуры данных Python. Извлечение текста с координатами из счетов или форм для последующего разбора. Визуальная настройка параметров извлечения таблиц для PDF со сложной структурой. Анализ и отладка графических объектов внутри PDF.
Как установить pdfplumber?
Установите pdfplumber из PyPI: pip install pdfplumber Откройте PDF и выведите первый символ первой страницы с помощью Python
Где скачать pdfplumber?
Исходный код и инструкции по установке — на GitHub: https://github.com/jsvine/pdfplumber

Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.

Похожие проекты