Python을 사용하여 PDF에서 데이터를 추출하는 방법

2.1 IronPDF 기능

IronPDF 사용하면 HTML, HTML5, ASPX 및 Razor /MVC View와 같은 몇 가지 형식을 PDF 형식으로 변환할 수 있습니다. 또한 IronPDF 이미지와 HTML 페이지 모두에서 PDF 파일을 생성 할 수 있는 편리한 기능을 제공합니다.

IronPDF 툴킷은 대화형 PDF 생성, 대화형 양식 작성 및 제출 지원, PDF 파일의 효율적인 병합 및 분할 , 정확한 텍스트 및 이미지 추출 , PDF 파일 내의 포괄적인 텍스트 검색, PDF를 이미지로 변환하는 기능, 그리고 글꼴 크기, 테두리 및 배경색을 사용자 지정할 수 있는 유연성을 포함한 다양한 작업을 지원합니다. IronPDF PDF 파일 변환도 간편하게 수행할 수 있습니다.

IronPDF 사용자 에이전트, 프록시, 쿠키, HTTP 헤더 및 폼 변수에 대한 지원을 확장하여 HTML 로그인 폼 유효성 검사를 강화함으로써 한 단계 더 나아갑니다. 이 시스템은 사용자 이름과 비밀번호를 사용하여 PDF 내에 포함된 보안 텍스트에 대한 사용자 접근을 보호합니다 .

PDF 파일 인쇄는 문자열, 스트림 또는 URL과 같은 다양한 소스에서 생성할 수 있으며, 단 몇 줄의 코드로 구현할 수 있습니다.

IronPDF 대화형 요소를 변환하여 문서 내용이 변경 불가능하고 볼 수는 있지만 편집할 수 없도록 하는 평면화된 PDF 문서를 생성할 수 있습니다.

3.1 Python 설치 및 가상 환경 생성

개인용 컴퓨터에 Python 프로그래밍 언어가 설치되어 있는지 확인하십시오. Python 라이브러리는 다양한 작업에 자주 필요하기 때문에 이는 중요합니다. 이를 위해서는 Python 공식 웹사이트를 방문하여 운영 체제와 호환되는 최신 버전을 다운로드하십시오. 이를 통해 Python 라이브러리를 효과적으로 활용하는 데 필요한 도구를 갖추게 됩니다.

Python을 설치한 후에는 프로젝트에 필요한 라이브러리를 격리하기 위해 가상 환경을 구축하세요. 일부 프로젝트는 Python에서 제공하는 특정 라이브러리가 필요할 수 있습니다. 가상 환경을 구성하고 유지할 수 있게 해주는 venv 모듈은 특히 여러 Python 라이브러리를 다룰 때 변환 프로젝트에 깔끔하고 독립적인 작업 공간을 제공할 수 있습니다.

3.2 PyCharm에서 새 프로젝트 설정하기

Visual Studio Code , PyCharm , Sublime Text 등 어떤 텍스트 편집기나 코딩 환경을 사용하든 자유롭게 Python 코드를 작성할 수 있습니다. 하지만 이 글에서는 Python 코드 작성을 위한 IDE인 PyCharm을 사용하여 Python 프로젝트를 생성합니다.

PyCharm IDE가 실행되면 새 프로젝트를 선택하세요.

PyCharm IDE에서 새 Python 프로젝트 생성하기

[새 프로젝트]를 선택하면 프로젝트 환경과 위치를 지정할 수 있는 새 창이 나타납니다. 아래 그림을 보시면 더 잘 이해하실 수 있을 겁니다.

프로젝트 위치와 환경 정보를 설정하고 '생성'을 클릭하면 PyCharm 인터페이스가 나타납니다. 여기에서 프로젝트 구조와 코드 파일을 찾을 수 있습니다. 이곳은 프로젝트를 관리하고 개발하기 위한 작업 공간입니다. 이 가이드에서는 Python 3.9 버전을 사용합니다.

메인 Python 파일

3.3 IronPDF 라이브러리 요구 사항

Python 라이브러리인 IronPDF 일반적으로 .NET 6.0과 연동됩니다. 따라서 Python용 IronPDF 효과적으로 사용하려면 컴퓨터에 .NET 6.0 런타임이 설치되어 있어야 합니다.

Linux 및 Mac 사용자의 경우, 이 Python 모듈을 사용하기 전에 .NET 설치해야 할 수도 있습니다. 필요한 런타임 환경을 얻는 방법에 대한 안내는 Microsoft 다운로드 페이지를 참조하십시오.

3.4 IronPDF 라이브러리 설치

PDF 파일을 생성, 편집 및 열기 등 PDF 관련 작업을 하려면 "IronPDF" 패키지를 설치해야 합니다. PyCharm에서 이 작업을 수행하려면 터미널 창을 열고 다음 명령을 입력하십시오.

pip install ironpdf

아래 스크린샷을 참고하여 ironpdf 패키지를 설치하세요.

IronPDF 설치

4.1 PDF 파일에서 모든 텍스트 데이터 추출하기

이 예시에서는 IronPDF 사용하여 기존 PDF에서 텍스트를 추출하는 과정을 보여줍니다. 이 예시에서는 아래 PDF 문서를 활용합니다.

첫 번째 방법은 PDF 파일에서 모든 텍스트를 추출하는 데 중점을 둡니다. 다음 코드를 작성하면 입력 PDF에서 모든 데이터를 쉽게 추출할 수 있습니다.

from ironpdf import *

# Load a PDF document from a file
pdf = PdfDocument.FromFile("sampleData.pdf")

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

from ironpdf import *

# Load a PDF document from a file
pdf = PdfDocument.FromFile("sampleData.pdf")

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

위 코드에서 보이는 것처럼 FromFile 메서드는 중요한 역할을 합니다. 이는 기존 위치에서 PDF 파일을 로드하여 PdfDocument 객체로 변환합니다. 이 객체를 사용하면 PDF 페이지에 있는 텍스트 콘텐츠와 이미지 모두에 접근할 수 있습니다. 주어진 PDF 파일에서 모든 텍스트를 추출하기 위해 ExtractAllText이라는 메서드가 사용됩니다. 추출된 텍스트는 추가 처리를 위해 문자열로 저장됩니다.

4.2 페이지별 텍스트 추출

다음은 PDF 파일의 각 페이지에서 텍스트를 명시적으로 추출하는 두 번째 접근 방식의 코드입니다.

from ironpdf import *

# Load a PDF document from a file
pdf = PdfDocument.FromFile("sampleData.pdf")

# Iterate over each page and extract text
for xpage in range(pdf.PageCount):
    # Extract text from the current page
    print(pdf.ExtractTextFromPage(xpage))

from ironpdf import *

# Load a PDF document from a file
pdf = PdfDocument.FromFile("sampleData.pdf")

# Iterate over each page and extract text
for xpage in range(pdf.PageCount):
    # Extract text from the current page
    print(pdf.ExtractTextFromPage(xpage))

이 예제 코드는 처음에 전체 PDF 파일을 로드하고 이를 pdf라는 PdfDocument 객체로 변환합니다. 각 PDF 파일의 특정 페이지가 순차적으로 처리되도록 보장하기 위해, 각 페이지는 pdf 객체 내의 페이지 번호 또는 페이지 인덱스를 사용하여 접근됩니다. 이를 수행하기 위해, 입력 PDF에 있는 총 페이지 수는 해당 pdf 객체의 PageCount 메서드를 사용하여 결정됩니다.

이 페이지 수를 가지고, for 루프가 각 페이지를 반복하며 PDF 문서의 각 페이지에서 텍스트를 추출하기 위해 ExtractTextFromPage 함수를 호출합니다. 추출된 텍스트는 문자열 변수에 저장하거나 사용자 화면에 표시할 수 있습니다. 따라서 이 방법은 각 PDF 페이지에서 체계적으로 텍스트를 추출할 수 있도록 해줍니다. PDF 작업을 위해 설계된 Python 라이브러리인 IronPDF 의 이러한 메서드는 PDF 파일에서 텍스트를 쉽고 완벽하게 추출하는 기능을 잘 보여줍니다. 이러한 접근성은 다양한 실용적인 응용 분야를 가지며 여러 영역에서 PDF의 유용성을 향상시킵니다.