Node.js'de PDF'yi Metne Nasıl Dönüştürülür

Adım 1: 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

Adım 2: IronPDF Kurulumu

IronPDF'i 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 aktarın. PdfDocument ve IronPdfGlobalConfig, PDF belgeleriyle çalışmak ve IronPDF'yi yapılandırmak için gereken @ironpdf/ironpdf paketinden ithal edilir. fs modülü, dosya sistem işlemlerini yönetmek için ayrıca ithal edilen bir temel Node.js modülüdür.

Adım 2: Bir Asenkron Fonksiyon Kurma

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

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

createPDFs adlı asenkron bir anonim fonksiyon tanımlanır ve hemen çağrılır. Bu kurulum, dosya G/Ç ve IronPDF gibi dış kütüphanelerle uğraşırken yaygın olan asenkron operasyonların işlenmesini kolaylaştırmak için fonksiyon içinde await kullanma olanağı sağlar.

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 yapılandırma nesnesi oluşturursunuz, lisans anahtarı dahil, ve bu yapılandırmayı IronPdfGlobalConfig.setConfig'i kullanarak uygularsınız. Bu, özellikle lisanslı bir sürüm kullanıyorsanız, IronPDF'nin tüm özelliklerini etkinleştirmek için çok önemlidir.

Adım 4: PDF Belgesini Yükleme

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

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

Bu adımda, mevcut bir PDF belgesini yüklemek için PdfDocument sınıfından fromFile yöntemini doğru bir şekilde kullanır. Bu, asenkron bir işlemdir, dolayısıyla await kullanılır. PDF dosyanızın yolunu belirterek (bu durumda, "old-report.pdf"), pdf değişkeni PDF belgenizin bir temsili haline gelir, tamamen yüklenmiş ve metin çıkarmaya hazırdır. Bu adım kritik çünkü bu noktada PDF dosyası ayrıştırılır ve üzerinde yapmak istediğiniz işlemler için (örneğin, metin çıkarımı) hazırlanır.

Adım 5: PDF'den Metin Çıkarma

const text = await pdf.extractText();

const text = await pdf.extractText();

Burada, pdf nesnesi üzerinde extractText yöntemi çağrılır. Bu asenkron işlem, yüklenen PDF belgesinden tüm metni çıkarır ve onu text değişkeninde depolar.

Adım 6: Çıkarılan 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, metin dizgisinin bir veya daha fazla boşluk karakteriyle eşleşen bir düzenli ifade kullanarak bir kelime dizisine bölünmesiyle ve ardından ortaya çıkan dizinin uzunluğunun sayılmasıyla gerçekleştirilir.

Adım 7: Çıkarılan Metni Dosyaya Kaydetme

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

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

Bu düzeltilmiş satır, fs modülünün writeFileSync yöntemini kullanarak çıkarılan metni senkronize bir şekilde 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, kod hata yönetimi için bir try-catch bloğu içerir. try bloğu içindeki asenkron işlemlerden herhangi biri başarısız olursa, catch bloğu hatayı yakalar ve mesajı konsola kaydeder. Bu, hata ayıklama için önemlidir ve uygulamanızın beklenmeyen sorunları zarif bir şekilde yönetmesini sağlar.

Tam Kod

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

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 betik, PDF dosyasından metin çıkarmak için gerekli tüm bileşenleri içerir: IronPDF'in bir lisans anahtarı ile kurulması, PDF belgesinin yüklenmesi, metnin çıkarılması, basit bir metin analizi gerçekleştirilmesi (bu durumda kelime sayımı) ve çıkarılan metnin bir dosyaya kaydedilmesi. Kod, dosya işlemleri ve PDF işlemenin Node.js'deki asenkron doğasını yönetmek için bir asenkron işlev içinde sarılmıştır.

Orijinal PDF Belgesi

Bu işlem için seçtiğiniz PDF dosyası, bu durumda 'old-report.pdf' adıyla, başlangıç noktasıdır. PDF belgeleri içerik ve karmaşıklık açısından büyük ölçüde değişebilir. Basit, düz metin içerebilir veya resimler, tablolar ve çeşitli metin biçimleriyle zenginleştirilmiş olabilirler. PDF'inizin yapısı ve karmaşıklığı, çıkarım sürecini doğrudan etkileyecektir.

Çıkarılan Metin Dosyası

Betik çalıştırıldıktan sonra, 'extracted_text.txt' adıyla yeni bir metin dosyası oluşturulacaktır. Bu dosya, PDF belgesinden çıkarılan tüm metni içerir.

Ve bu, konsoldaki çıktı:

Veri Madenciliği ve Analizi

PDF'lerden metin çıkarma, özellikle veri madenciliği ve analizinde faydalıdır. Finansal raporlar, araştırma makaleleri veya diğer PDF belgeleri çıkarılırken, PDF'leri metne dönüştürme yeteneği veri analizi görevleri için çok önemlidir.

İçerik Yönetim Sistemleri

İçerik yönetim sistemlerinde, genellikle çeşitli dosya biçimlerini yönetmeniz gerekir. IronPDF, PDF formatında depolanan içeriği yöneten, arşivleyen ve çeken bir sistemde önemli bir bileşen olabilir.