Python을 사용하여 PDF에서 특정 텍스트를 추출하는 방법

IronPDF 기능

IronPDF 사용하면 HTML, HTML5, ASPX 및 Razor/MVC 뷰를 포함한 다양한 소스에서 PDF 파일을 생성 할 수 있습니다. 이 프로그램은 HTML 페이지 와 이미지를 PDF 파일로 변환하는 기능을 제공합니다. IronPDF 툴킷은 대화형 PDF 생성, 대화형 양식 작성 및 제출, PDF 파일 분할 및 병합 , 텍스트 및 이미지 추출 , PDF 파일 내 텍스트 검색, PDF를 이미지로 래스터화 , 글꼴 크기 변경, ChatGPT를 사용한 자연어 처리, IronPDF 페이지 속성 변환 등 다양한 작업을 지원합니다. IronPDF 사용자 에이전트, 프록시, 쿠키, HTTP 헤더 및 폼 변수를 지원하는 HTML 로그인 폼 유효성 검사 기능을 제공합니다. IronPDF 사용자 이름과 비밀번호를 사용하여 사용자가 보호된 문서 에 접근할 수 있도록 합니다. IronPDF 단 몇 줄의 코드로 문자열, 스트림 또는 URL을 포함한 다양한 소스에서 PDF 파일을 인쇄할 수 있습니다.

환경 구성

컴퓨터에 Python이 설치되어 있는지 확인하세요. 운영 체제와 호환되는 최신 버전의 Python을 다운로드하고 설치하려면 Python 공식 웹사이트 로 이동하세요. Python 설치가 완료되면 프로젝트에 필요한 환경을 분리하기 위해 가상 환경을 생성하세요. 변환 프로젝트에 깔끔하고 별도의 작업 환경을 제공하기 위해 venv 모듈로 가상 환경을 생성하고 관리하세요.

PyCharm의 새로운 기능

이 데모에서는 Python 코드 개발을 위한 IDE로 PyCharm을 사용하는 것을 권장합니다.

PyCharm IDE를 실행한 후 "새 프로젝트"를 선택하세요.

PyCharm

"새 프로젝트"를 선택하면 새 창이 열리고, 여기에서 프로젝트의 위치와 환경을 설정할 수 있습니다. 이는 아래 이미지에서 확인할 수 있습니다.

새 프로젝트

프로젝트 위치와 환경 경로를 선택한 후, 만들기 버튼을 클릭하여 새 프로젝트를 시작하세요. 그러면 프로그램이 새 창에서 열리게 됩니다. 이번 수업에서는 Python 3.9 버전을 사용합니다.

Python 프로젝트 생성

IronPDF 라이브러리 요구 사항

Python 라이브러리인 IronPDF 대부분 .NET 6.0을 사용합니다. 따라서 Python용 IronPDF 사용하려면 컴퓨터에 .NET 6.0 런타임이 설치되어 있어야 합니다. 리눅스 및 맥 사용자는 이 Python 모듈을 사용하기 전에 .NET 설치해야 할 수도 있습니다. 필요한 런타임 환경을 다운로드하려면 Microsoft의 다운로드 페이지를 방문하세요.

IronPDF 라이브러리 설정

".pdf" 확장자를 가진 파일을 생성, 수정 및 열려면 "IronPDF" 패키지가 설치되어 있어야 합니다. 터미널 창을 열고 다음 명령어를 입력하여 PyCharm에 패키지를 설치하세요.

pip install ironpdf

pip install ironpdf

ironpdf 패키지의 설치가 아래 스크린샷에 표시되어 있습니다.

IronPDF 설치

PDF에서 페이지별 추출

아래 제공된 예제 코드는 페이지 번호를 사용하여 PDF 파일에서 데이터를 가져오는 방법을 보여줍니다.

from ironpdf import PdfDocument

# Load the PDF file
pdf = PdfDocument.FromFile('F:\\PDF\\Extract.pdf')
# Extract text from the first page of the PDF document
all_text = pdf.ExtractTextFromPage(0)
# Iterate over each line in the extracted text
for line in all_text.split('\n'):
    # Check if the line contains the keyword "Name"
    if 'Name' in line:
        # Print the line if it contains the keyword
        print(line)

from ironpdf import PdfDocument

# Load the PDF file
pdf = PdfDocument.FromFile('F:\\PDF\\Extract.pdf')
# Extract text from the first page of the PDF document
all_text = pdf.ExtractTextFromPage(0)
# Iterate over each line in the extracted text
for line in all_text.split('\n'):
    # Check if the line contains the keyword "Name"
    if 'Name' in line:
        # Print the line if it contains the keyword
        print(line)

코드 스니펫은 FromFile 함수를 사용하여 PDF 파일을 읽고 PDF 객체를 생성하는 방법을 보여줍니다. 이 객체를 사용하면 PDF의 텍스트와 이미지에 접근할 수 있습니다. 페이지 번호를 ExtractTextFromPage 함수의 매개변수로 전달하여 특정 페이지에서 텍스트를 가져올 수 있습니다. 이 메서드는 선택한 페이지에 있는 모든 단어를 포함하는 문자열을 반환합니다. 그 후, Python에서 split 함수를 사용하여 추출된 텍스트에서 모든 새로운 줄을 분리하세요. 그 후, 추출된 텍스트의 각 줄에 필요한 키워드가 포함되어 있는지 확인합니다. 키워드가 일치하면 명령 프롬프트에 해당 줄이 표시됩니다. 그렇지 않으면 해당 줄을 무시하고 다음 줄로 넘어갑니다. 텍스트 추출 결과는 아래와 같이 표시됩니다.