Metin Çıkart

from ironpdf import *

# Load existing PDF document
pdf = PdfDocument.FromFile("content.pdf")

# Extract text from PDF document
all_text = pdf.ExtractAllText()

# Extract text from specific page in the document
page_2_text = pdf.ExtractTextFromPage(1)

pip install ironpdf

pip install ironpdf

Metin Çıkart

IronPDF for Python, bir PDF belgesinin metin içeriğini ya tüm belgede bir seferde ya da tek tek sayfalardan çıkarabilir — bunun için ExtractAllText ve ExtractTextFromPage yöntemlerini kullanır.

Başlarken

PdfDocument.FromFile kullanarak bir dosyadan PdfDocument yükleyin, ardından uygun çıkarım yöntemini çağırın. Her iki yöntem de çıkarılan metni içeren bir Python stringi döndürür.

Kodu Anlama

PdfDocument.FromFile(path): Belirtilen dosya yolundan mevcut bir PDF belgesini açar. Şifre korumalı dosyalar için, şifreyi ikinci bir argüman olarak girin.
ExtractAllText(): Belgenin tüm sayfalarından, sayfa sırasına göre, çıkarılan metni içeren tek bir dize döndürür.
ExtractTextFromPage(pageIndex): Tek bir sayfanın metin içeriğini döndürür. pageIndex argümanı sıfır tabanlıdır — ilk sayfa için 0, ikinci sayfa için 1 geçin ve bu şekilde devam edin.

Kullanım Alanları

Metin çıkarımı için kullanışlıdır:

Arama indeksleme — PDF içeriğini bir veritabanında veya arama motorunda aranabilir hale getirme.
Veri ayrıştırma — PDF raporlarından fatura numaraları, tarihler veya adresler gibi yapılandırılmış verileri çıkarma.
İçerik doğrulama — oluşturulan PDF'lerde beklenen metnin programatik olarak kontrol edilmesi.
Erişilebilirlik — PDF içeriğini ekran okuyucular veya sonraki işlemler için düz metne dönüştürme.

IronPDF for Python ile PDF'lancık içeriğini çıkarmayı öğrenin!