Node.js를 사용하여 PDF를 텍스트로 변환하는 방법

1단계: Node.js 애플리케이션 초기화

프로젝트를 위한 새 디렉토리를 만들고 Node.js 애플리케이션을 시작하세요.

mkdir pdf-to-text-node
cd pdf-to-text-node
npm init -y

mkdir pdf-to-text-node
cd pdf-to-text-node
npm init -y

2단계: IronPDF 설치

npm을 사용하여 IronPDF 설치하세요.

npm install ironpdf

npm install ironpdf

1단계: 필요한 모듈 가져오기

import { PdfDocument } from "@ironpdf/ironpdf";
import { IronPdfGlobalConfig } from "@ironpdf/ironpdf";
import fs from "fs";

import { PdfDocument } from "@ironpdf/ironpdf";
import { IronPdfGlobalConfig } from "@ironpdf/ironpdf";
import fs from "fs";

첫 번째 단계에서는 필요한 모듈을 가져옵니다. PdfDocument 와 IronPDFGlobalConfig 는 각각 PDF 문서 작업과 IronPDF 구성에 필수적인 @ IronPDF/ IronPDF 패키지에서 가져옵니다. Node.js 핵심 모듈인 fs 모듈도 파일 시스템 작업을 처리하기 위해 가져옵니다.

2단계: 비동기 함수 설정

(async function createPDFs() {
  // ...
})();

(async function createPDFs() {
  // ...
})();

여기서는 createPDFs 라는 이름의 비동기 익명 함수가 정의되고 즉시 호출됩니다. 이 설정은 함수 내에서 await 를 사용할 수 있도록 하여 파일 I/O 및 IronPDF 와 같은 외부 라이브러리를 다룰 때 흔히 발생하는 비동기 작업을 쉽게 처리할 수 있도록 합니다.

3단계: 라이선스 키 적용

const IronPdfConfig = {
  licenseKey: "Your-License-Key",
};
IronPdfGlobalConfig.setConfig(IronPdfConfig);

const IronPdfConfig = {
  licenseKey: "Your-License-Key",
};
IronPdfGlobalConfig.setConfig(IronPdfConfig);

이 단계에서는 라이선스 키를 포함하여 IronPDF 용 구성 객체를 생성하고 IronPDFGlobalConfig.setConfig를 사용하여 이 구성을 적용합니다. 이는 IronPDF 의 모든 기능을 활성화하는 데 매우 중요하며, 특히 라이선스 버전을 사용하는 경우 더욱 그렇습니다.

4단계: PDF 문서 불러오기

const pdf = await PdfDocument.fromFile("old-report.pdf");

const pdf = await PdfDocument.fromFile("old-report.pdf");

이 단계에서 코드는 PdfDocument 클래스의 fromFile 메서드를 올바르게 사용하여 기존 PDF 문서를 불러옵니다. 이는 비동기 작업이므로 await 를 사용합니다. PDF 파일의 경로(이 경우 "old-report.pdf")를 지정하면 pdf 변수는 텍스트 추출을 위해 완전히 로드된 PDF 문서의 표현이 됩니다. 이 단계는 PDF 파일을 분석하고 텍스트 추출과 같은 원하는 작업을 수행할 수 있도록 준비하는 단계이므로 매우 중요합니다.

5단계: PDF에서 텍스트 추출

const text = await pdf.extractText();

const text = await pdf.extractText();

여기서는 pdf 객체에서 extractText 메서드가 호출됩니다. 이 비동기 작업은 로드된 PDF 문서에서 모든 텍스트를 추출하여 텍스트 변수에 저장합니다.

6단계: 추출된 텍스트 처리

const wordCount = text.split(/\s+/).length;
console.log("Word Count:", wordCount);

const wordCount = text.split(/\s+/).length;
console.log("Word Count:", wordCount);

이 단계에서는 추출된 텍스트를 처리하여 단어 수를 계산합니다. 이는 하나 이상의 공백 문자와 일치하는 정규 표현식을 사용하여 텍스트 문자열을 단어 배열로 분할한 다음 결과 배열의 길이를 계산함으로써 달성됩니다.

7단계: 추출된 텍스트를 파일로 저장

fs.writeFileSync("extracted_text.txt", text);

fs.writeFileSync("extracted_text.txt", text);

수정된 이 줄은 fs 모듈의 writeFileSync 메서드를 사용하여 추출된 텍스트를 파일에 동기적으로 기록합니다.

8단계: 오류 처리

} catch (error) {
  console.error("An error occurred:", error); // Log error
}

} catch (error) {
  console.error("An error occurred:", error); // Log error
}

마지막으로, 코드에는 오류 처리를 위한 try-catch 블록이 포함되어 있습니다. try 블록 내의 비동기 작업 중 어느 부분이든 실패하면 catch 블록에서 오류를 포착하고 콘솔에 메시지를 출력합니다. 이는 디버깅에 중요하며 애플리케이션이 예상치 못한 문제를 원활하게 처리할 수 있도록 보장합니다.

전체 코드

다음은 Node.js 환경에서 IronPDF 사용하여 PDF 문서에서 텍스트를 추출하는 데 필요한 모든 단계를 포함하는 전체 코드입니다.

import { PdfDocument } from "@ironpdf/ironpdf";
import { IronPdfGlobalConfig } from "@ironpdf/ironpdf";
import fs from "fs";

(async function createPDFs() {
  try {
    // Input the license key
    const IronPdfConfig = {
      licenseKey: "Your-License-Key",
    };
    // Set the config with the license key
    IronPdfGlobalConfig.setConfig(IronPdfConfig);

    // Import existing PDF document
    const pdf = await PdfDocument.fromFile("old-report.pdf");

    // Get all text to put in a search index
    const text = await pdf.extractText();

    // Process the extracted text
    // Example: Count words
    const wordCount = text.split(/\s+/).length;
    console.log("Word Count:", wordCount);

    // Save the extracted text to a text file
    fs.writeFileSync("extracted_text.txt", text);
    console.log("Extracted text saved to extracted_text.txt");
  } catch (error) {
    // Handle errors here
    console.error("An error occurred:", error);
  }
})();

import { PdfDocument } from "@ironpdf/ironpdf";
import { IronPdfGlobalConfig } from "@ironpdf/ironpdf";
import fs from "fs";

(async function createPDFs() {
  try {
    // Input the license key
    const IronPdfConfig = {
      licenseKey: "Your-License-Key",
    };
    // Set the config with the license key
    IronPdfGlobalConfig.setConfig(IronPdfConfig);

    // Import existing PDF document
    const pdf = await PdfDocument.fromFile("old-report.pdf");

    // Get all text to put in a search index
    const text = await pdf.extractText();

    // Process the extracted text
    // Example: Count words
    const wordCount = text.split(/\s+/).length;
    console.log("Word Count:", wordCount);

    // Save the extracted text to a text file
    fs.writeFileSync("extracted_text.txt", text);
    console.log("Extracted text saved to extracted_text.txt");
  } catch (error) {
    // Handle errors here
    console.error("An error occurred:", error);
  }
})();

이 스크립트는 PDF 파일에서 텍스트를 추출하는 데 필요한 모든 구성 요소를 포함합니다. IronPDF 라이선스 키 설정, PDF 문서 불러오기, 텍스트 추출, 간단한 텍스트 분석(이 경우 단어 수 계산), 추출된 텍스트를 파일로 저장하는 과정이 모두 포함되어 있습니다. 파일 작업 및 Node.js 에서의 PDF 처리의 비동기적 특성을 고려하여 코드는 비동기 함수로 래핑되어 있습니다.

원본 PDF 문서

이 과정에서 선택하는 PDF 파일(이 경우 " old-report.pdf "라는 이름)이 시작점이 됩니다. PDF 문서는 복잡성과 내용 면에서 매우 다양할 수 있습니다. 이러한 파일에는 단순하고 명확한 텍스트가 포함될 수도 있고, 이미지, 표 및 다양한 텍스트 형식으로 풍부하게 구성될 수도 있습니다. PDF 파일의 구조와 복잡성은 추출 과정에 직접적인 영향을 미칩니다.

추출된 텍스트 파일

스크립트를 실행하면 "extracted_text.txt"라는 새 텍스트 파일이 생성됩니다. 이 파일에는 PDF 문서에서 추출된 모든 텍스트가 포함되어 있습니다.

콘솔에 출력되는 내용은 다음과 같습니다.

데이터 마이닝 및 분석

PDF에서 텍스트를 추출하는 것은 데이터 마이닝 및 분석에 특히 유용합니다. 재무 보고서, 연구 논문 또는 기타 PDF 문서를 추출하든, PDF를 텍스트로 변환하는 기능은 데이터 분석 작업에 매우 중요합니다.

콘텐츠 관리 시스템

콘텐츠 관리 시스템에서는 다양한 파일 형식을 처리해야 하는 경우가 많습니다. IronPDF PDF 형식으로 저장된 콘텐츠를 관리, 보관 및 검색하는 시스템의 핵심 구성 요소가 될 수 있습니다.