Python'da PDF'den Veri Çıkarma

2.1 IronPDF Özellikleri

HTML, HTML5, ASPX ve Razor/MVC Görünümü, IronPDF kullanılarak PDF formatına dönüştürülebilen birkaç formattan birkaçı. Ayrıca, IronPDF, hem resimlerden hem de HTML sayfalarından PDF dosyaları oluşturma konusunda kullanısli bir yetenek sunar.

IronPDF toolkit, etkileşimli PDF'ler oluşturma, interaktif form doldurma ve form gonderimini kolaylaştırma, PDF dosyalarını birleştirme ve bölme, dogru metin ve görüntü çikarma, PFD dosyaları icinde kapsamli metin araması, PDF'leri resimlere dönüştürme, ve yazı tipi boyutlarını, kenarlıkları ve arka plan renklerini özelleştirme esnekliği gibi çeşitli görevlerde yardımcı olabilir. IronPDF, ayrıca zahmetsiz PDF dosya dönüştürmeleri de sağlayabilir.

IronPDF, kullanıcı ajanları, proxyler, çerezler, HTTP baslıkları ve form değişkenlerine desteğini genişleterek HTML oturum açma formu doğrulamasını geliştirir. Kullanıcı adlarını ve şifreleri kullanarak, kullanıcı erişimini PDF'lerde bulunan güvenli metne sağlayarak korur.

Bir PDF dosya baskısı, bir dize, akış veya URL gibi birçok kaynaktan üretilebilir ve sadece birkaç satır kodla başarılabilir.

IronPDF etkileşimli unsurları dönüştürerek ve belgenin içeriğinin sabit kaldığını, görülebilir ama düzenlenemeyeceğini sağlayarak düzleştirilmiş PDF belgeleri üretebilir.

3.1 Python'u Yüklemek ve Sanal Bir Ortam Oluşturmak

Kisisel bilgisayarinizda Python programlama dilinin kurulu oldugundan emin olun. Python kutuphaneleri cogunlukla çeşitli gorevler icin gerektiginden bu onemlidir. Bunu gerceklestirmek icin, resmi Python web sitesini ziyaret edin ve isletim sisteminizle uyumlu en son surumu indirin. Bu, Python kutuphaneleriyle etkili bir sekilde calismak icin dogru araclara sahip oldugunuza emin olur.

Python'u yukledikten sonra, proje icin gerekli kitapliklari izole etmek icin bir sanal ortam oluşturun, cunki bazi projeler Python'dan bazi gerekli kitapliklari gerektirebilir. venv modülü, sanal ortamlar oluşturmanızı ve sürdürmenizi sağlar, özellikle birden fazla Python kütüphanesi ile çalışırken, dönüştürme projenize düzenli, bağımsız bir çalışma alanı sağlayabilir.

3.2 PyCharm'da Yeni Bir Proje Kurma

Herhangi bir metin düzenleyici veya Visual Studio Code, PyCharm veya Sublime Text gibi kod ortamını kullanarak Python kodu yazma esnekliğine sahipsiniz. Ancak, bu makalede PyCharm kullanılacak, bu Python kodu yazma icin bir IDE'dir ve bir Python projesi oluşturacaktır.

PyCharm IDE'si başlatildiktan sonra Yeni Proje secin.

Yeni Python Projesi Oluşturmak İçin PyCharm IDE

Yeni Proje seçildikten sonra, projenin çevresini ve konumunu belirtmenize izin verecek yeni bir pencere göreceksiniz. Aşağıdaki resim daha fazla netlik sağlayabilir.

Proje konumu ve çevre ayrıntılarını ayarlayıp Oluştur'a tıkladıktan sonra PyCharm arayüzüne gireceksiniz. Burada projenizin yapısını ve kod dosyalarını bulacaksınız. Bu, projenizi yönetmek ve geliştirmek için çalışma alanınızdır. Bu kılavuzda kullanılan sürüm Python 3.9'dir.

Ana Python dosyası

3.3 IronPDF için Kütüphane Gereksinimleri

Python kütüphanesi IronPDF genellikle .NET 6.0 ile birlikte çalışır. Bu nedenle, IronPDF for Python'ı etkili bir şekilde kullanmak için bilgisayarınızda .NET 6.0 çalışma zamanı kurulu olmalıdır.

Linux ve Mac kullanıcıları için bu Python modülünü kullanmadan önce .NET'i yüklemek gerekebilir. Gerekli çalışma ortamını alma konusunda yol göstergesi için lütfen bu Microsoft indirme sayfasını ziyaret edin.

3.4 IronPDF Kütüphanesinin Kurulumu

PDF dosyaları ile çalışmak, onları oluşturmak, düzenlemek ve açmak için "ironpdf" paketini yüklemek zorundasınız. PyCharm'da bunu yapmak için terminal penceresini açın ve şu komutu girin:

pip install ironpdf

Aşağıdaki ekran görüntüsüne bakarak ironpdf paket kurulumunu gerçekleştiriniz.

IronPDF Kurulumu

4.1 PDF Dosyasından Tüm Metin Verilerini Çıkarma

Bu örnekte, IronPDF kullanarak var olan bir PDF'ten metin çıkarmanın süreci gösterilmektedir. Bu durumda, aşağıdaki PDF belgesi bu demontrasyon için kullanılmaktadır.

İlk yöntem, PDF dosyasındaki tüm metni çıkarmaya odaklanmaktadır. Giriş PDF'si üzerinde tam veri çıkartmayı 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. Var olan bir konumdan PDF dosyasını yükler ve onu PdfDocument nesnelerine dönüştürür. Bu nesne ile PDF sayfaları içindeki hem metin içeriklerini hem de resimleri erişebilirsiniz. Verilen PDF dosyasındaki tüm metni çıkarmak için ExtractAllText adlı bir yöntem kullanılır. Çıkartılan metin daha sonra bir dize içinde depolanır ve daha fazla işlem için hazır hale gelir.

4.2 Sayfa Bazında Metin Çıkarma

Aşağıda, PDF dosyasının her sayfasından metin çıkartan ikinci yaklaşımın kodu yer almaktadır.

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 bunu PdfDocument nesnesi pdf adlı bir nesneye dönüştürür. PDF dosyasındaki her belirli sayfanın sırasıyla işlenmesini sağlamak için, her sayfa pdf nesnesinde sayfa numarası veya sayfa indeksi kullanarak erişilir. Bunu yapmak için önce, giriş PDF'sindeki mevcut toplam sayfa sayısı, onun pdf nesnesinin PageCount yöntemi kullanılarak belirlenir.

Bu sayfa sayısı ile, bir for döngüsü her sayfada yinelemeler yapar ve PDF belgesinin her sayfasından metin çıkarmak için ExtractTextFromPage fonksiyonunu çağırır. Çıkartılan metin bir dize değişkenine depolanabilir veya kullanıcı ekranında görüntülenebilir. Bu nedenle, bu yöntem her ayrı PDF sayfasından metinleri düzenli bir şekilde çıkarmayı sağlar. IronPDF'ten gelen bu yöntemler, Python kütüphanesi PDF görevleri için tasarlanmış olup, PDF dosyalarından metin çıkarmayı kolay ve eksiksiz hale getirme yeteneğini göstermektedir. Bu erişilebilirlik birçok pratik uygulamaya sahiptir ve farklı alanlarda PDF'lerin kullanılabilirliğini artırır.