Cet article démontrera comment utiliser IronPDF for Python, l'une des bibliothèques PDF les plus puissantes, pour extraire tout texte disponible dans un document PDF.
ExtractAllText pour lire le texte du fichier ouvertIl est simple d'intégrer la bibliothèque IronPDF dans Python car c'est un langage beaucoup plus dynamique comparé à d'autres langages et permet aux développeurs de créer des interfaces graphiques utilisateur rapidement et facilement. Il dispose d'une pléthore d'outils préinstallés, notamment PyQT, wxWidgets, kivy, et de nombreux autres paquets et bibliothèques supplémentaires, qui peuvent tous être utilisés pour créer une interface utilisateur graphique complète de manière rapide et sécurisée.
IronPDF for Python est une bibliothèque extrêmement efficace, particulièrement utile pour le développement web. La disponibilité d'autant de paradigmes de développement web en Python, comme Django, Flask, et Pyramid, y est en partie responsable. Ces frameworks ont été utilisés par de nombreux sites web et services en ligne, y compris Reddit, Mozilla, et Spotify.
Inclure les déclarations d'importation suivantes au début des fichiers source où IronPDF sera utilisé afin d'importer IronPDF :
from ironpdf import *Bien qu'IronPDF for Python soit gratuit à utiliser, il appose un filigrane sur les fichiers PDF avec un fond en mosaïque pour les utilisateurs gratuits. Vous devez fournir à la bibliothèque une clé de licence légitime pour utiliser IronPDF pour créer des PDF sans filigrane. Comment configurer la bibliothèque avec une clé de licence est montré dans l'extrait de code suivant :
# Set the license key for IronPDF
License.LicenseKey = "IRONPDF-LICENSE-KEY-ABCDEFGH"Avant de créer des fichiers PDF ou de modifier leur contenu, assurez-vous que la clé de licence est configurée. La méthode LicenseKey doit être appelée avant toute autre ligne de code. Pour obtenir une clé de licence d'essai gratuite, rendez-vous sur la page de licence.
Un fichier texte appelé "Default" peut stocker des messages de journal produits par Custom.log dans le répertoire du script Python. L'extrait de code ci-dessous peut être utilisé pour définir la propriété LogFilePath et personnaliser le nom et l'emplacement du fichier journal :
# Enable debugging and set the log file path and mode
Logger.EnableDebugging = True
Logger.LogFilePath = "Custom.log"
Logger.LoggingMode = Logger.LoggingModes.AllLa bibliothèque IronPDF for Python peut convertir des pages PDF en objets PDF et permet l'extraction de texte à partir de fichiers PDF, y compris les fichiers PDF scannés. Voici un exemple qui montre comment lire un PDF existant avec IronPDF.
La première méthode consiste à extraire tout le texte disponible dans un PDF ; un exemple de code est fourni ci-dessous.
from ironpdf import *
# Load existing PDF document
pdf = PdfDocument.FromFile("content.pdf")
# Extract all the text from the entire PDF document
all_text = pdf.ExtractAllText()
# Display the extracted text
print(all_text)Comme illustré dans le code ci-dessus, la méthode FromFile est un objet lecteur de PDF qui charge le fichier PDF existant et le convertit en objets document PDF. Cet objet peut être utilisé pour lire le texte et les images disponibles sur les pages PDF. L'objet fournit une méthode appelée ExtractAllText qui extrait chaque morceau de texte de l'ensemble du fichier PDF, en tenant le texte dans une chaîne qui peut être traitée. Et ensuite, utilisez la fonction print pour afficher le texte.
Affichage du texte
L'exemple de code pour la deuxième méthode qui peut être utilisé pour extraire du texte page par page d'un fichier PDF. Il est fourni ci-dessous.
from ironpdf import *
# Load existing PDF document
pdf = PdfDocument.FromFile("content.pdf")
# Extract text from a specific page in the document
page_text = pdf.ExtractTextFromPage(1)
# Display the extracted text from the specified page
print(page_text)La méthode FromFile est utilisée pour charger le fichier PDF à partir d'un fichier existant et le convertir en un objet fichier PDF, comme montré dans le code ci-dessus. Une méthode sur l'objet de la page PDF appelée ExtractTextFromPage récupère tout le texte d'une page dans un fichier PDF. Le numéro de page doit être fourni comme paramètre pour extraire le texte de cette page particulière. Ensuite, après avoir extrait le texte, page_text peut être utilisé pour contenir l'information qui peut être traitée.
Consultez plus d'exemples pour extraire le texte d'un PDF.
La bibliothèque IronPDF, en revanche, offre des mesures de sécurité solides pour réduire les risques potentiels. Elle n'est pas adaptée à un seul navigateur et fonctionne avec tous les navigateurs couramment utilisés. IronPDF permet aux programmeurs de produire et lire facilement des fichiers PDF avec juste quelques lignes de code. La bibliothèque IronPDF propose une gamme d'options de licence, y compris une licence développeur gratuite et des licences de développement supplémentaires disponibles à l'achat, pour répondre aux besoins des différents développeurs.
IronPDF inclut une licence perpétuelle, une garantie de remboursement de 30 jours, une année de support logiciel, et des options de mise à jour. Il n'y a pas de dépenses supplémentaires après l'achat initial. Ces licences peuvent être utilisées dans des environnements de développement, de préproduction et de production. En savoir plus sur la licence du produit.
Télécharger le produit logiciel.
Curtis Chau détient un baccalauréat en informatique (Université de Carleton) et se spécialise dans le développement front-end avec expertise en Node.js, TypeScript, JavaScript et React. Passionné par la création d'interfaces utilisateur intuitives et esthétiquement plaisantes, Curtis aime travailler avec des frameworks modernes et créer des manuels bien structurés et visuellement attrayants.
IronPDF fait partie de IRONSUITE
10 API .NET pour vos documents
Lorsque vous avez besoin que votre PDF ressemble à HTML, rapidement.
