Python'da PDF'den Veri Çıkarma

2.1 IronPDF Özellikleri

HTML, HTML5, ASPX, ve Razor/MVC View, IronPDF kullanılarak PDF formatına dönüştürülebilen bir dizi formattan bazılarıdır. Ayrıca, IronPDF, hem görüntülerden hem de HTML sayfalarından PDF dosyaları oluşturma yeteneği sunar.

IronPDF araç seti, etkileşimli PDF'ler oluşturma, etkileşimli form doldurma ve gönderme kolaylaştırma, PDF dosyalarını etkili bir şekilde birleştirme ve bölme, doğrulukla metin ve görüntü çıkarma, PDF dosyalarında kapsamlı metin arama, PDF'leri görüntülere dönüştürme ve yazı tipi boyutlarını, kenarlıkları ve arka plan renklerini özelleştirme esnekliği gibi çeşitli görevlerde yardımcı olabilir. IronPDF, PDF dosyası dönüşümlerini zahmetsizce yapabilir.

IronPDF, HTML giriş formu doğrulama işlemleri için kullanıcı ajanları, proxy'ler, çerezler, HTTP başlıkları ve form değişkenlerine desteği genişletmek suretiyle bir adım daha ileri gider. Kullanıcı erişimini güvence altına almak için PDF'ler içinde yer alan güvenli metinlere kullanıcı adları ve şifreleri kullanır.

Bir PDF dosyası yazdırma, bir dize, akış veya URL gibi birçok kaynaktan üretilebilir ve sadece birkaç satır kodla gerçekleştirilebilir.

IronPDF, etkileşimli öğeleri dönüştürerek ve belgenin içeriğinin değiştirilemeyecek ve görüntülenebilir ancak düzenlenemez olarak kalmasını sağlayarak düzleştirilmiş PDF belgeleri üretebilir.

3.1 Python Yükleme ve Sanal Ortam Oluşturma

Kişisel bilgisayarınızda Python programlama dilinin yüklü olduğundan emin olun. Bu önemlidir çünkü çeşitli görevler için sıklıkla Python kütüphanelerine ihtiyaç duyulur. Bunu gerçekleştirmek için resmi Python web sitesini ziyaret edin ve işletim sisteminizle uyumlu en son sürümü indirin. Bu, Python kütüphaneleriyle etkili bir şekilde çalışmanız için doğru araçlara sahip olmanızı garanti eder.

Python yüklendikten sonra, projeniz için gerekli kütüphaneleri izole etmek için bir sanal ortam oluşturun, çünkü bazı projeler Python'dan bazı gerekli kütüphanelere ihtiyaç duyabilir. venv modülü, sanal ortamlar oluşturmanıza ve sürdürmenize olanak tanır ve özellikle birden fazla Python kütüphanesiyle çalışırken dönüşüm projenize düzenli, bağımsız bir çalışma alanı sağlayabilir.

3.2 PyCharm'da Yeni Proje Ayarlama

Visual Studio Code, PyCharm veya Sublime Text gibi herhangi bir metin düzenleyici veya kodlama ortamı kullanarak Python kodu yazma esnekliğine sahipsiniz. Ancak, bu makale, bir Python projesi oluşturmak için PyCharm adlı bir Python kodu yazma IDE'sini kullanır.

PyCharm IDE açıldığında Yeni Projeyi seçin.

Yeni Python Projesi oluşturmak için PyCharm IDE

Yeni Projeyi seçtikten sonra projenin ortam ve lokasyonunu belirlemenize olanak tanıyan yeni bir pencere göreceksiniz. Aşağıdaki resim daha fazla netlik sağlayabilir.

Proje konumu ve ortam ayrıntılarını ayarlayıp Oluştur butonuna tıkladıktan sonra PyCharm arayüzüne gireceksiniz. Burada projenizin yapısını ve kod dosyalarını bulacaksınız. Bu sizin projenizi yönetme ve geliştirme için çalışma alanınızdır. Bu kılavuzda Python 3.9 sürümü kullanılmıştır.

Ana Python dosyası

3.3 IronPDF için Kütüphane Gereksinimleri

Python kütüphanesi IronPDF sıklıkla .NET 6.0 ile arayüz sağlar. Dolayısıyla, IronPDF for Python'dan etkili şekilde yararlanmak için, bilgisayarınız .NET 6.0 çalışma zamanıyla donatılmalıdır.

Linux ve Mac kullanıcıları için, bu Python modülünü kullanmadan önce .NET'i yüklemek gerekebilir. Gerekli çalışma zamanını elde etmek için rehberlik etmek amacıyla bu Microsoft indirme sayfasını ziyaret edin.

3.4 IronPDF Kütüphanesini Yükleme

PDF dosyalarıyla çalışmak için, oluşturma, düzenleme ve açma dahil 'IronPDF' paketini yüklemeniz gerekmektedir. PyCharm'da bunu yapmak için terminal penceresini açın ve şu komutu girin:

pip install ironpdf

Aşağıdaki ekran görüntüsüne ironpdf paket kurulumuna başvurun.

IronPDF Kurulumu

4.1 PDF dosyasından Tüm Metin Verilerini Çıkarma

Bu örnekte, IronPDF kullanarak mevcut bir PDF'den metin çıkarmanın süreci gösterilmektedir. Bu durumda, aşağıdaki PDF belgesi bu gösterim için kullanılır.

İlk yöntem, PDF dosyasından tüm metni çıkarmaya odaklanır. Girdi PDF üzerinde eksiksiz veri çıkarımını kolayca gerçekleştirmek için aşağıdaki kodu yazın:

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()

Yukarıdaki kodda gösterildiği gibi, FromFile yöntemi önemli bir rol oynar. PDF dosyasını mevcut bir konumdan yükleyerek, onu PdfDocument nesnelerine dönüştürür. Bu nesne ile, PDF sayfalarının içinde bulunan hem metin içeriği hem de görüntülere erişilebilir. Verilen PDF dosyasındaki tüm metni çıkarmak için ExtractAllText adında bir yöntem kullanılır. Çıkarılan metin daha sonra işlenmeye hazır bir dize içinde saklanır.

4.2 Sayfa Sayfa Metin Çıkarma

Aşağıda, PDF dosyasının her sayfasından metin çıkaran ikinci yaklaşım için kod bulunmaktadır.

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))

Bu örnek kod, başlangıçta tüm PDF dosyasını yükler ve onu PdfDocument adlı bir pdf nesnesine dönüştürür. Her bir sayfanın sırasıyla işlenmesini sağlamak için, PDF dosyasının her sayfası, pdf nesnesi içindeki sayfa numarası veya sayfa indeksi kullanılarak erişilir. Bunu yapmak için öncelikle giriş PDF'inde mevcut olan toplam sayfa sayısı, pdf nesnesinin PageCount yöntemi kullanılarak belirlenir.

Bu sayfa sayısıyla, for döngüsü her sayfadan geçer ve PDF belgesinin her sayfasından metin çıkarmak için ExtractTextFromPage işlevini çağırır. Çıkarılan metin, bir dize değişkeni içinde saklanabilir veya kullanıcı ekranında gösterilebilir. Bu yöntem, her ayrı PDF sayfasından metnin düzenli bir şekilde çıkarılmasına olanak tanır. IronPDF'ten gelen bu yöntemler, PDF görevleri için tasarlanmış bir Python kütüphanesi, PDF dosyalarından metin çıkarımını kolaylaştırma ve kapsamlı hale getirme yeteneğini vurgular. Bu erişebilirlik, birçok pratik uygulamaya sahiptir ve PDF'lerin farklı alanlarda kullanılabilirliğini artırır.