如何在 Node.js 中將 PDF 轉換為文本

步驟1：初始化您的Node.js應用程序

為您的專案創建一個新目錄並啟動一個Node.js應用程序：

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

步驟2：安裝IronPDF

使用npm安裝IronPDF：

npm install ironpdf

npm install ironpdf

步驟1：導入必要的模組

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";

在第一步中，您要導入必要的模組。 PdfDocument和IronPdfGlobalConfig從@ironpdf/ironpdf包中導入，這對於處理PDF文件和配置IronPDF至關重要。 還有Node.js的核心模組fs，用於處理文件系統操作。

步驟2：設置異步函數

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

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

這裡定義了名為createPDFs的匿名異步函數並立即調用。 此設置允許在函數中使用await，以便處理文件I/O和像IronPDF這樣的外部程式庫中的常見異步操作。

步驟3：應用授權金鑰

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

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

在此步驟中，您為IronPDF創建一個包含授權金鑰的配置對象，並使用IronPdfGlobalConfig.setConfig應用此配置。 這對於啟用IronPDF的所有功能至關重要，特別是如果您使用的是授權版本。

步驟4：加載PDF文件

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

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

在該步驟中，程式正確使用PdfDocument類的fromFile方法來加載現有的PDF文件。 這是一項異步操作，因此使用了await。 通過指定PDF文件的路徑（此例中為"old-report.pdf"），pdf變量成為您PDF文件的表示，已經完全加載並準備好進行文字提取。 此步驟至關重要，因為這是解析和準備您希望執行的任何操作（例如提取文字）的PDF文件的地方。

步驟5：從PDF中提取文字

const text = await pdf.extractText();

const text = await pdf.extractText();

這裡在pdf對象上調用了extractText方法。 這項異步操作提取了所加載的PDF文件中的所有文字，並將其存儲在text變量中。

步驟6：處理提取的文字

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

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

在此步驟中，處理提取的文字以統計單詞數量。 這是通過使用匹配一個或多個空白字符的正則表達式將文字字串拆分成單詞數組，然後計算所得數數組的長度來實現的。

步驟7：將提取的文字保存到文件中

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

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

這行經過修正的代碼使用了fs模組的writeFileSync方法將提取的文字同步寫入文件。

步驟8：錯誤處理

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

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

最後，程式包含了一個try-catch塊來處理錯誤。 如果try塊中的任何異步操作失敗，catch塊會捕捉到錯誤，並將訊息記錄到控制台。 這對於除錯和確保您的應用能夠妥善處理意外問題非常重要。

完整程式碼

以下是使用IronPDF在Node.js環境中從PDF文件中提取文字的完整程式碼，包含我們討論的所有步驟：

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);
  }
})();

此程式包括設定IronPDF的授權金鑰、加載PDF文件、提取文字、執行簡單的文字分析（在此案例中為單詞計數），以及將提取的文字保存到文件中的所有必要組件。程式被封裝在一個異步函數中，以處理Node.js中字元和PDF處理的非同步性。

原始PDF文件

您為此過程選擇的PDF文件，此案例中名為"old-report.pdf"，是起點。 PDF文件的複雜性和內容可能會有很大差異。 它們可能包含簡單、直接的文本，或充滿了圖片、表格和各種文本格式。 您的PDF文件的結構和複雜性將直接影響提取過程。

提取的文字文件

運行程式後，將創建一個名為"extracted_text.txt"的新文字文件。 此文件包含從PDF文件提取的所有文字。

這就是在控制台上的輸出：

數據挖掘和分析

從PDF提取文字在數據挖掘和分析中特別有用。 無論是提取財務報告、研究論文或任何其他PDF文件，將PDF轉換為文字的能力對於數據分析任務至關重要。

內容管理系統

在內容管理系統中，您需要經常處理各種文件格式。 IronPDF可以是管理、存檔和檢索以PDF格式存儲的內容系統中的一個關鍵組件。