Como ler arquivos PDF em Python

Passo 1: Crie um ambiente virtual no Visual Studio.

Ao trabalhar com Python, é crucial criar um ambiente isolado conhecido como ambiente virtual. Este ambiente permite gerenciar dependências específicas do projeto em que você está trabalhando, sem interferir em outros projetos. Criar um ambiente virtual torna-se ainda mais simples em um Ambiente de Desenvolvimento Integrado (IDE) como o Visual Studio Code. Para isso, siga os passos abaixo:

1. Abra a pasta no Visual Studio Code. Pressione Ctrl+Shift+P para abrir a Paleta de Comandos. Na Paleta de Comandos, procure por "Python: Criar Ambiente".

   

2. Selecione a primeira opção e, em seguida, escolha "Venv" como o tipo de ambiente.

   

3. Em seguida, selecione o interpretador Python, e o ambiente virtual será criado.

   

Agora você tem seu espaço de trabalho isolado pronto para seus scripts Python, garantindo que as dependências do projeto estejam confinadas a esse ambiente.

Passo 2: Instale a biblioteca IronPDF for Python.

Com o ambiente virtual configurado, você está pronto para instalar a biblioteca IronPDF for Python. Você pode instalá-lo usando o instalador de pacotes do Python, 'pip':

pip install ironpdf

pip install ironpdf

Etapa 3: Instale o .NET 6.0

O IronPDF for Python requer a instalação do SDK .NET 6.0.

Faça o download e instale o SDK do .NET 6.0 no site da Microsoft .NET .

Etapa 4: Importar IronPDF

Após instalar o IronPDF com sucesso, o próximo passo é importá-lo para o seu script Python. Importar a biblioteca torna todas as suas funções e métodos disponíveis para uso em seu script. Você pode importar o IronPDF usando a seguinte linha de código:

from ironpdf import *

from ironpdf import *

Esta linha de código importa todos os módulos, funções e classes disponíveis na biblioteca IronPDF para o seu script.

Passo 5: Aplicar a chave de licença

Para desbloquear totalmente as funcionalidades da biblioteca IronPDF , você precisa aplicar uma chave de licença. Aplicar uma chave de licença é tão simples quanto atribuir a chave à propriedade LicenseKey da classe License. Eis como fazer:

License.LicenseKey = "License-Key-Here"

License.LicenseKey = "License-Key-Here"

Substitua "License-Key-Here" pela sua chave de licença IronPDF . Com a chave de licença em mãos, você está pronto para aproveitar todo o potencial da biblioteca IronPDF em seus scripts Python.

Etapa 6: Definir o caminho do log

Em seguida, configure o registro de logs para as operações do IronPDF . Ao definir um caminho de log personalizado, você pode armazenar os logs de tempo de execução gerados pela biblioteca, o que ajuda a depurar e diagnosticar problemas que possam ocorrer durante a execução. Veja como configurar:

# Enable debugging mode for detailed logs
Logger.EnableDebugging = True
# Set the path for the log file
Logger.LogFilePath = "Custom.log"
# Set logging mode to capture all log types
Logger.LoggingMode = Logger.LoggingModes.All

# Enable debugging mode for detailed logs
Logger.EnableDebugging = True
# Set the path for the log file
Logger.LogFilePath = "Custom.log"
# Set logging mode to capture all log types
Logger.LoggingMode = Logger.LoggingModes.All

Neste trecho de código, Logger.EnableDebugging = True ativa a depuração, Logger.LogFilePath = "Custom.log" define o arquivo de log de saída como "Custom.log" e Logger.LoggingMode = Logger.LoggingModes.All garante que todos os tipos de informações de log sejam registrados.

Passo 7: Carregar documento PDF

Carregar um documento PDF com o IronPDF é tão fácil quanto chamar um método. O método PdfDocument.FromFile carrega o documento PDF do caminho fornecido em um objeto de arquivo PDF. Basta fornecer o caminho do arquivo PDF como uma string:

pdf = PdfDocument.FromFile("PDF B.pdf")

pdf = PdfDocument.FromFile("PDF B.pdf")

Neste código, pdf torna-se um objeto PdfDocument representando o arquivo PDF especificado.

Passo 8: Leia o conteúdo do arquivo PDF

O IronPDF fornece um método chamado ExtractAllText() que ajuda a extrair o conteúdo de texto do documento PDF . Isso é especialmente útil quando você precisa ler e analisar o conteúdo de um arquivo PDF:

all_text = pdf.ExtractAllText()  # Extracts all text from the PDF document
print(all_text)  # Prints the extracted text to the console

all_text = pdf.ExtractAllText()  # Extracts all text from the PDF document
print(all_text)  # Prints the extracted text to the console

Neste exemplo, all_text irá conter todo o texto do arquivo PDF do objeto pdf. Você poderá ler o conteúdo de PDFs no console.

Passo 9: Carregar o segundo arquivo PDF

Assim como você carregou o primeiro documento PDF, você também pode carregar um segundo documento PDF. Essa funcionalidade é útil quando você deseja manipular vários arquivos PDF:

pdf_2 = PdfDocument.FromFile("PDF A.pdf")

pdf_2 = PdfDocument.FromFile("PDF A.pdf")

Neste código, pdf_2 é outro objeto PdfDocument que representa o segundo arquivo PDF.

Etapa 10: Mesclar ambos os arquivos

Uma das funcionalidades mais poderosas do IronPDF é a fusão de vários arquivos PDF em um único arquivo PDF. Você pode combinar facilmente dois ou mais documentos PDF usando o método PdfDocument.Merge:

merged = PdfDocument.Merge(pdf, pdf_2)  # Merges pdf and pdf_2 documents
merged.SaveAs("Merged.pdf")  # Saves the merged document as 'Merged.pdf'

merged = PdfDocument.Merge(pdf, pdf_2)  # Merges pdf and pdf_2 documents
merged.SaveAs("Merged.pdf")  # Saves the merged document as 'Merged.pdf'

Neste exemplo, merged é um novo objeto PdfDocument que é o resultado da fusão de pdf e pdf_2. O método SaveAs salva então este documento mesclado com o nome "Merged.pdf".

Etapa 11: Dividir o primeiro PDF

O IronPDF também permite dividir um documento PDF e extrair páginas específicas para novos arquivos PDF. Isso é feito usando o método CopyPage:

page1doc = pdf.CopyPage(0)  # Copies the first page of the pdf document
page1doc.SaveAs("Split1.pdf")  # Saves the copied page as a new document 'Split1.pdf'

page1doc = pdf.CopyPage(0)  # Copies the first page of the pdf document
page1doc.SaveAs("Split1.pdf")  # Saves the copied page as a new document 'Split1.pdf'

Aqui, page1doc é um novo objeto PdfDocument que contém a primeira página do documento pdf. Essa página é então salva como um arquivo PDF chamado "Split1.pdf".

Passo 12: Aplicar marca d'água

A marca d'água é outro recurso impressionante oferecido pelo IronPDF. Você pode adicionar uma marca d'água ao seu documento PDF com o texto ou imagem desejado. O método ApplyWatermark é usado para adicionar uma marca d'água ao PDF representado pelo objeto pdf.

pdf.ApplyWatermark("<h2 style='color:red'>SAMPLE</h2>", 30, VerticalAlignment.Middle, HorizontalAlignment.Center)
pdf.SaveAs("Watermarked.pdf")

pdf.ApplyWatermark("<h2 style='color:red'>SAMPLE</h2>", 30, VerticalAlignment.Middle, HorizontalAlignment.Center)
pdf.SaveAs("Watermarked.pdf")

Neste trecho, ApplyWatermark aplica uma marca d'água vermelha com o texto "SAMPLE" no centro do PDF. Em seguida, SaveAs salva o documento com marca d'água como "Watermarked.pdf".