Acquisizione informazioni da pagine PDF L’argomento è risolto

[Master]

Buonasera,

scrivo per una mera curiosità...

Ho un file PDF costituito da N. pagine ed ognuna delle pagine ha, nella stessa posizione, dei numeri e/o delle parole come ad esempio il titolo di un articolo scientifico.

Vorrei sapere se c'è un modo queste informazioni ed inserirle in un foglio excel... In ogni riga devono essere riportate le informazioni di una pagina. Ad esempio nella prima riga le informazioni di pagina 1, nella riga 2 le informazoni di pagina 2, ecc.

Non si tratta di una semplice "conversione" bensì di una vera e propria estrazione.

Conoscete uno strumento per poter realizzare c'è ?

[Andrea90]

@Master

Se il pdf è un “vero” file pdf e non una mera scansione allora già con le ultime versioni di Excel/Power Bi è possibile estrarre i dati in formato tabellare (dipende come è stata impostata la struttura del file).

Se invece è una scansione si può provare ad utilizzare strumenti più avanzati per convertire un immagine in testo prima di eseguire l’estrazione.

Ad esempio ci sono librerie ad hoc, es in Python, che consentono l’estrazione ed elaborazione di dati in pdf che poi potrai salvare in excel.

Andrea

[Master]

Il file di cui dispongo è un vero PDF e non una scansione.

Ho provato a fare un tentativo con PQuery ma non essendo delle mere tabelle ma una disposizione non tabellare ....
Non ho ottenuto grandi risultati.

Ho trovato qualche link su un certo PDFMiner. Può essere una strada da percorrere? Altre strade user friedly?

[Andrea90]

@Master

Questo è quello che ho ottenuto utilizzando Power Query su Excel ed il tuo file demo.



Andrea

[Master]

Ho fatto qualche prova con l'originale ma con PowerQuery la disposizione diventa completamente irregolare.
Mi sembra impossbile creare delle regole per ricondurre ad una struttura tabellare

Probabilmente il PDF non è propriamente un "Vero"PDF.
Quindi, Python?

[Andrea90]

@Master

Python ha sicuramente del potenziale in più… ma comunque non aspettarti miracoli se i dati disposti nei tuoi pdf sono confusionari.

Andrea

[Master]

Grazie mille Andrea90!