PDFs

Explicação

Existem várias bibliotecas de leitura de PDF e aqui vão ser apresentadas algumas.

Vale destacar que PDFs não possuem um padrão assim como o Excel, ou seja, a leitura pode ser um pouco mais complexa de ser feita.

Biblioteca PDFminer

Instalação da biblioteca
```
pip install pdfminer.six
```

Importação da biblioteca

from pdfminer.high_level import extract_text

Abertura e extração do texto

texto = extract_text('boleto.pdf')
print(texto)
# output: 
#   Boleto de Pagamento
#   Referente à: Produto Exemplo 1
#   Emitido por: Seu nome ou o de sua empresa - CNPJ 22.517.527/0001-20
#   E-mail: contato@seuemail.com
#   ...

Biblioteca pdfplumber

Instalação da biblioteca
```
pip install pdfplumber
```
Importação da biblioteca
```
import pdfplumber
```
Abertura do arquivo
```
pdf = pdfplumber.open('boleto.pdf')
```
Seleção da página do documento à ser lida
```
page = pdf.pages[0]
```

Extração do texto

texto = page.extract_text()
print(texto)
# output: 
#   Boleto de Pagamento
#   Referente à: Produto Exemplo 1
#   Emitido por: Seu nome ou o de sua empresa - CNPJ 22.517.527/0001-20
#   E-mail: contato@seuemail.com
#   ...

Biblioteca PyMuPDF

Instalação da biblioteca
```
pip install PyMuPDF
```
Importação da biblioteca
```
import fitz
```
Abertura do arquivo
```
pdf = fitz.open('boleto.pdf')
```
Seleção da página do documento à ser lida
```
page = pdf.load_page(0)
```

Extração do texto

texto = page.get_text()
print(texto)
# output: 
#   Boleto de Pagamento
#   Referente à: Produto Exemplo 1
#   Emitido por: Seu nome ou o de sua empresa - CNPJ 22.517.527/0001-20
#   E-mail: contato@seuemail.com
#   ...