Node.js'de PDF'yi Metne Nasıl Dönüştürülür

1. Adım: Node.js Uygulamanızı Başlatma

Projeniz için yeni bir dizin oluşturun ve bir Node.js uygulaması başlatın:

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

2. Adım: IronPDF Kurulumu

IronPDF'yi npm kullanarak yükleyin:

npm install ironpdf

npm install ironpdf

Adım 1: Gerekli Modülleri İçe Aktarma

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";

Bu ilk adımda gerekli modülleri içe aktarıyorsunuz. PdfDocument ve IronPdfGlobalConfig, sırasıyla PDF belgeleriyle çalışmak ve IronPDF'i yapılandırmak için gerekli olan @IronPDF/ironpdf paketinden içe aktarılır. Ayrıca, dosya sistemi operasyonlarını yönetmek için bir çekirdek Node.js modülü olan fs modülü de içe aktarılır.

Adım 2: Asenkron Bir Fonksiyon Kurulumu

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

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

Burada, createPDFs adlı anonim asenkron bir fonksiyon tanımlanır ve hemen çağrılır. Bu kurulum, asenkron işlemleri ele almak için await kullanımına olanak tanır ki bu, dosya I/O ve IronPDF gibi dış kütüphanelerle çalışırken yaygındır.

Adım 3: Lisans Anahtarını Uygulama

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

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

Bu adımda, IronPDF için bir lisans anahtarı içeren bir yapılandırma nesnesi oluşturur ve IronPdfGlobalConfig.setConfig kullanarak bu yapılandırmayı uygularsınız. Bu, özellikle lisanslı bir sürüm kullanıyorsanız, IronPDF'nin tüm özelliklerini etkinleştirmek için gereklidir.

Adım 4: PDF Belgesini Yükleme

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

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

Bu adımda, kod, mevcut bir PDF belgesini yüklemek için PdfDocument sınıfının fromFile metodunu doğru bir şekilde kullanır. Bu, asenkron bir işlemdir, bu nedenle await kullanımı gereklidir. PDF dosyanızın yolu (bu durumda, "old-report.pdf") belirtildiğinde, pdf değişkeni tam olarak yüklenmiş ve metin çıkarımı için hazır olan PDF belgenizin bir temsili haline gelir. Bu adım kritiktir çünkü PDF dosyasının ayrıştırıldığı ve üzerinde gerçekleştirmek istediğiniz herhangi bir işlem (metin çıkarma gibi) için hazırlandığı yerdir.

Adım 5: PDF'ten Metin Çıkartma

const text = await pdf.extractText();

const text = await pdf.extractText();

Burada, pdf nesnesi üzerinde extractText metodu çağrılır. Bu asenkron işlemi, yüklenmiş PDF belgesinden tüm metni çıkarır ve text değişkeninde saklar.

Adım 6: Çıkartılan Metni İşleme

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

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

Bu adımda, çıkarılan metin kelime sayısını saymak için işlenir. Bu işlem, metin dizesini bir veya daha fazla boşluk karakteri ile ayrıştırarak bir kelime dizisine dönüştüren bir düzenli ifade kullanarak ve ardından elde edilen dizinin uzunluğunu sayarak elde edilir.

Adım 7: Çıkartılan Metni Bir Dosyaya Kaydetme

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

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

Bu düzeltilmiş satır, fs modülünün writeFileSync metodunu kullanarak eşzamanlı bir şekilde çıkarılan metni bir dosyaya yazar.

Adım 8: Hata Yönetimi

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

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

Son olarak, kodda hata yönetimi için bir try-catch bloğu yer alır. Try bloğundaki asenkron işlemlerden herhangi biri başarısız olursa, catch bloğu hatayı yakalar ve mesajı konsola kaydeder. Bu, hataların ayıklanmasında ve uygulamanızın beklenmedik sorunları nazikçe ele alabilmesini sağlamada önemlidir.

Tam Kod

Aşağıda, IronPDF kullanarak Node.js ortamında bir PDF belgesinden metin çıkarmak için tartıştığımız tüm adımları kapsayan tam kod yer almaktadır:

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);
  }
})();

Bu script, IronPDF'yi bir lisans anahtarı ile ayarlamak, PDF belgesini yüklemek, metni çıkarmak, basit bir metin analizi yapmak (bu durumda kelime sayımı), ve çıkarılan metni bir dosyaya kaydetmek için gerekli tüm bileşenleri içerir. Dosya işlemleri ve PDF işleme işlemlerinin asenkron yapısını ele almak için kod, asenkron bir fonksiyon içinde sarılmıştır.

Orijinal PDF Belgesi

Bu işlem için seçtiğiniz PDF dosyası, bu durumda "old-report.pdf", başlangıç noktasıdır. PDF belgeleri, karmaşıklık ve içerik açısından büyük ölçüde farklılık gösterebilir. Basit, doğrudan metin içerebilirler veya görüntüler, tablolar ve çeşitli metin formatları ile zengin olabilirler. PDF'nizin yapısı ve karmaşıklığı, çıkarma işlemini doğrudan etkiler.

Çıkarılmış Metin Dosyası

Scripti çalıştırdıktan sonra, "extracted_text.txt" adında yeni bir metin dosyası oluşturulacaktır. Bu dosya, PDF belgesinden çıkarılan tüm metni içerir.

Ve bu konsoldaki çıktı:

Veri Madenciliği ve Analiz

PDF'lerden metin çıkarmak, veri madenciliği ve analizde özellikle faydalıdır. Finansal raporlar, araştırma makaleleri veya diğer herhangi bir PDF belgeyi çıkarmak, PDF'lerin metne dönüştürülme yeteneği, veri analizi görevleri için hayati öneme sahiptir.

İçerik Yönetim Sistemleri

İçerik yönetim sistemlerinde, sıklıkla çeşitli dosya formatlarını işlemeniz gerekebilir. IronPDF, PDF formatında saklanan içeriği yöneten, arşivleyen ve geri çağıran bir sistemde kilit bir bileşen olabilir.