Считать текст из PDF файла

Описание

Блок считывает текстовое содержимое PDF-файла - всего документа или только указанных страниц. Дополнительно можно включить удаление повторяющихся водяных знаков из результата.

Важно

Для работы блока в PDF должен быть текстовый слой.

---

Описание параметров

Блок имеет несколько параметров:

1. Путь к файлу PDF — путь к исходному PDF-файлу.

   Тип данных: str (Строка)

   Пример: C:\Users\User\Desktop\document.pdf

2. Считать страницы - страницы, текст которых требуется считать. Если оставить Ничто, считывается весь документ.

   Тип данных: int (Целое число) | list (Список) | None (Ничто)

   Пример: [1, 2]

   Формат параметра «страницы»

   Нумерация страниц начинается с 1, отрицательные номера отсчитываются с конца (-1 - последняя страница):

   • пусто (блок Ничто) - все страницы документа;
   • число, например 3 - одна страница;
   • список из двух чисел, например [2, 5] - диапазон страниц со 2-й по 5-ю включительно ([1, -1] - весь документ);
   • список из трёх и более чисел, например [5, 3, 5] - перечисление страниц в указанном порядке (без сортировки и удаления повторов). Если указан номер страницы, которой нет в документе, блок завершает работу с ошибкой.
3. Удалить водяные знаки — удаление повторяющихся водяных знаков из извлеченного текста.

   Тип данных: checkbox (Чекбокс)

   Пример: Истина

   Заметка

   Если параметр отключен, блок возвращает исходный извлеченный текст без дополнительной очистки.

---

Возвращаемое значение

Тип данных: str (Строка)

Пример: Строка с извлечённым текстом из документа.

---

Пример использования

Блок считывает содержимое первых двух страниц PDF файла с текстовым слоем.

---

Результат

Уведомление с текстом первых двух страниц документа:

---