用于分析各种政府文件和一般PDF的库
zen_document_parser的Python项目详细描述
#zen document parser是从各种正式文档中提取数据的实用程序。它在幕后使用[pdfquery]（https://github.com/jcushman/pdfquery）。
库允许文档的多个“变体”。例如，印度ITR-V文件的字段和布局略有不同，这取决于它是否在2013年、2014年生成，2015年等。
>查看下面的示例。
itr-v docs
`` python
itrvdocument
在实例化期间，您可以传入路径或类似文件的对象。
doc=itrvdocument（'/path/to/itrv.pdf'）
自动检测变量并执行所有
字段的提取，并在内部存储结果。
doc.extract（）
遵循以下步骤：
-定义一个或多个“架构”，即“doc variant”子类，以便与文档的每个变体一起使用。
-在每个变体中，定义一个“check_for_match（）”方法，该方法在成功解析文件时返回“true”。
-确保将“test_fields”定义为每个类的一个属性，该类是所有字段的列表“check_for_match（）”中使用的名称。（目前出于优化目的，这是必需的，但在即将发布的版本中不是必需的。）
-定义表示文档的“doc”子类。在“variants”属性中，指定可能的变量。
``python
from zen_document廑parser.base import docfield，docvariant，document
（用于优化）
test_fields=['form_title']
form_title=docfield（（30，300，500，380））
name=docfield（（100，120，400，140.5））
address=docfield（（150，90，650，110））
def check_for_match（self）：
如果self.form_title='2014年申请表'：
返回true
返回false
class variant2（docvariant）：
address=docfield（（150，120，650，140））
pan no=docfield（（150，80，650，100））
def check_for_match（self）：
如果self.form_title=='2015-16年申请表'：
返回true
返回false
myform类（文档）：
variants=[variant1，variant2]
doc.extract（）
print（doc.data.to_dict（））
````
todo
-hanle数据类型规范
-处理强制/非强制字段。
-现在用户必须显式指定“测试字段”以进行优化。找到一种不需要的方法。
-在第一次引用它们时自动加载它们？` extract（）`仍然可以一次批量加载所有字段。
库允许文档的多个“变体”。例如，印度ITR-V文件的字段和布局略有不同，这取决于它是否在2013年、2014年生成，2015年等。
>查看下面的示例。
itr-v docs
`` python
itrvdocument
在实例化期间，您可以传入路径或类似文件的对象。
doc=itrvdocument（'/path/to/itrv.pdf'）
自动检测变量并执行所有
字段的提取，并在内部存储结果。
doc.extract（）
遵循以下步骤：
-定义一个或多个“架构”，即“doc variant”子类，以便与文档的每个变体一起使用。
-在每个变体中，定义一个“check_for_match（）”方法，该方法在成功解析文件时返回“true”。
-确保将“test_fields”定义为每个类的一个属性，该类是所有字段的列表“check_for_match（）”中使用的名称。（目前出于优化目的，这是必需的，但在即将发布的版本中不是必需的。）
-定义表示文档的“doc”子类。在“variants”属性中，指定可能的变量。
``python
from zen_document廑parser.base import docfield，docvariant，document
（用于优化）
test_fields=['form_title']
form_title=docfield（（30，300，500，380））
name=docfield（（100，120，400，140.5））
address=docfield（（150，90，650，110））
def check_for_match（self）：
如果self.form_title='2014年申请表'：
返回true
返回false
class variant2（docvariant）：
address=docfield（（150，120，650，140））
pan no=docfield（（150，80，650，100））
def check_for_match（self）：
如果self.form_title=='2015-16年申请表'：
返回true
返回false
myform类（文档）：
variants=[variant1，variant2]
doc.extract（）
print（doc.data.to_dict（））
````
todo
-hanle数据类型规范
-处理强制/非强制字段。
-现在用户必须显式指定“测试字段”以进行优化。找到一种不需要的方法。
-在第一次引用它们时自动加载它们？` extract（）`仍然可以一次批量加载所有字段。
欢迎加入QQ群-->： 979659372
