如何在 Node.js 中將 PDF 轉換為文本

步驟1：初始化您的Node.js應用程式

為您的專案創建一個新目錄並啟動一個Node.js應用程式：

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，您需要導入必要的模組。 PdfDocument和IronPdfGlobalConfig是從@ironpdf/ironpdf套件中導入的，這些是處理PDF文件和配置IronPDF的必需模組。 還需要導入Node.js的核心模組fs以處理文件系統操作。

步驟2：設置異步函數

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

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

在這裡，一個名為createPDFs的異步匿名函數被定義並立即調用。 這種設置允許在函數內使用await來促進異步操作的處理，因為在處理文件I/O和像IronPDF這樣的外部庫時，常常會遇到異步操作。

步驟3：應用許可證密鑰

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

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

在此步驟中，您需要為IronPDF創建一個包含許可證密鑰的配置對象，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，特別是當您使用許可版本時。

步驟4：加載PDF文件

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

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

在此步驟中，代碼正確地使用PdfDocument類的fromFile方法來加載現有的PDF文件。 這是一個異步操作，因此使用await。 通過指定PDF文件的路徑（在本例中為"old-report.pdf"），pdf變量成為您PDF文件的表示，已完全加載並準備進行文本提取。 這一步至關重要，因為它是解析PDF文件並準備進行任何操作的地方，例如提取文本。

步驟5：從PDF中提取文本

const text = await pdf.extractText();

const text = await pdf.extractText();

在此步驟中，pdf對象上調用了extractText方法。 該異步操作將提取加載的PDF文件中的所有文本並將其存儲在text變量中。

步驟6：處理提取的文本

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，將對提取的文本進行處理以計算字數。 這可以通過使用匹配一個或多個空白字符的正則表達式將文本字符串拆分為単詞數組，然後計算結果數組的長度來實現。

步驟7：將提取的文本保存到文件中

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

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

此修改后的行使用fs模組的writeFileSync方法將提取的文本同步寫入文件。

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，代碼包括了try-catch塊來進行錯誤處理。 如果在try塊內的任何異步操作失敗，則catch塊將捕獲錯誤，並將消息記錄到控制台。 這對於調試和確保您的應用程序可以優雅地處理意外問題非常重要。

完整代碼

以下是我們討論過的所有步驟的完整代碼，這些步驟旨在使用IronPDF在Node.js環境中從PDF文件中提取文本：

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);
  }
})();

此腳本包括提取PDF文件中的文本所需的所有必要組件：設置IronPDF，其中包含許可證密鑰，加載PDF文件，提取文本，進行簡單的文本分析（在本例中為詞頁計數），並將提取的文本保存到文件中。代碼被包裝在一個異步函數中，以便處理Node.js中的文件操作和PDF處理的異步性質。

原始PDF文件

您選擇的用於此過程的PDF文件，此處名為"old-report.pdf",是起點。 PDF文檔在複雜性和內容上可以有很大不同。 它們可能包含簡單直接的文本，也可能充滿圖像、表格和各種文本格式。 PDF的結構和複雜性將直接影響提取過程。

提取的文本文件

運行腳本後，將創建一個名為"extracted_text.txt"的新文本文件。 此文件包含所有從PDF文件中提取的文本。

以下是控制台上的輸出：

數據挖掘和分析

從PDF中提取文本在數據挖掘和分析中特別有用。 無論是提取財務報告、研究論文或其他任何PDF文件，將PDF轉換為文本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，您經常需要處理各種文件格式。 IronPDF可以是管理、存檔和檢索以PDF格式存儲的內容之系統中的關鍵组件。