PythonでスキャンされたPDFを読む方法

IronPDFの機能

IronPDF for Python には、PDF 生成やテキスト ファイル構造の操作のための強力なツールとなるさまざまな機能が搭載されています。

その主要な機能のいくつかは以下の通りです：

1. HTML から PDF への変換: CSS や画像を含む HTML コンテンツを高品質の PDF ドキュメントに変換し、開発者が PDF 生成プロセスで既存の Web ベースのコンテンツを活用し、検索可能な PDF ファイルを作成できるようにします。 2.テキストと画像の操作: PDF ドキュメント内のテキスト、画像、その他の要素を簡単に追加および操作し、生成された PDF のレイアウトと外観を細かく制御できます。 3.ドキュメントの結合と分割:複数の PDF ドキュメントを 1 つのファイルに結合したり、大きな PDF をより小さく管理しやすいファイルに分割したりすることで、ドキュメントを柔軟に整理できます。
2. PDF フォーム:インタラクティブな PDF フォームをプログラムで作成および入力し、ビジネス アプリケーションでのフォーム関連のタスクの自動化を促進します。 5.セキュリティ機能:暗号化とパスワード保護を実装して PDF ドキュメントを保護し、機密情報を機密に保ち、不正アクセスから保護します。 6.テキスト抽出:分析やインデックス作成の目的で PDF ドキュメントからテキスト コンテンツを抽出し、開発者が IronPDF のテキスト認識機能を使用して PDF ファイル内に含まれるテキスト データを操作できるようにします。

Python用IronPDFのインストール

コードチュートリアルを始める前に、まずは Python 用 IronPDF をインストールする方法を見てみましょう。

まず、システムに Python がインストールされていること、そして PyCharm のような優れた Python IDE があることを確認します。 また、IronPDF for Python をインストールするには、PIP をインストールする必要があります。

1. まず、新しい Python プロジェクトを作成するか、既存のプロジェクトを開きます。

2. コンソールを開き、次のコマンドを実行して Enter キーを押します。

   pip install ironpdf

   pip install ironpdf

   SHELL
3. これで、IronPDF for Python が Python プロジェクトに統合されます。

このセクションでは、IronPDF を使用してスキャンされた PDF ファイルからテキストを抽出する方法を説明します。

from ironpdf import *  # Import everything from ironpdf

# Set the license key for IronPDF
License.LicenseKey = "Your License Key"

# Load the scanned PDF document
pdf = PdfDocument.FromFile("C:/Users/buttw/INV_2023_00008.pdf")

# Extract all text from the PDF document
all_text = pdf.ExtractAllText()

# Print the extracted text
print(all_text)

from ironpdf import *  # Import everything from ironpdf

# Set the license key for IronPDF
License.LicenseKey = "Your License Key"

# Load the scanned PDF document
pdf = PdfDocument.FromFile("C:/Users/buttw/INV_2023_00008.pdf")

# Extract all text from the PDF document
all_text = pdf.ExtractAllText()

# Print the extracted text
print(all_text)

上記のコード例では、スキャンされた PDF ファイルからテキストを抽出します。 上記コードの内訳は以下のとおりです。

1. IronPDFモジュールをインポートします。

   from ironpdf import *

   from ironpdf import *

   PYTHON

   この行は、IronPDF ライブラリから必要なモジュールとクラスをインポートします。 アスタリスク ( * ) は、モジュールのすべてのクラスと関数をインポートする必要があることを示します。

2.ライセンスキーを設定します。

```python
License.LicenseKey = "Your License Key"
```

この行は、IronPDF のライセンス キーを設定します。 `"Your License Key"` Iron Software から取得した実際のライセンス キーに置き換える必要があります。  

ライセンス キーは IronPDF を使用するために必要であり、通常は製品を購入するときに提供されます。

3.スキャンしたPDF文書を読み込み

```python
pdf = PdfDocument.FromFile("C:/Users/buttw/INV_2023_00008.pdf")
```

この行は、指定されたファイル パス ( `"C:/Users/buttw/INV_2023_00008.pdf"` ) にあるスキャンされた PDF ドキュメントを読み込みます。 `PdfDocument.FromFile`メソッドは、指定されたファイルから`PdfDocument`オブジェクトを作成するために使用されます。

4. PDF文書からテキストを抽出する:

   all_text = pdf.ExtractAllText()

   all_text = pdf.ExtractAllText()

   PYTHON

   この行は、すべてのページのExtractAllText メソッドを使用して、読み込まれた PDF ドキュメントからすべてのテキスト コンテンツを抽出します。 抽出されたテキストはall_text変数に保存されます。

5.抽出したテキストを印刷する:

```python
print(all_text)
```

最後に、この行は抽出されたテキストをコンソールに出力します。 `all_text`変数には、スキャンされた PDF ドキュメントのテキスト コンテンツが含まれます。

入力PDF

! PythonでスキャンしたPDFを読み込む方法（開発者向けチュートリアル）: 図1

出力テキスト

! PythonでスキャンしたPDFを読み込む方法（開発者向けチュートリアル）: 図2