使用 IRONPDF FOR NODE.JS

如何在Node.js中將PDF轉換為文本

Name: IronPDF
Brand: Iron Software
Availability: InStock
Rating: 4.87 (307 reviews)

Darrius Serrant

2024年1月4日

介紹

在 Node.js 中進行 PDF 到文本的轉換是許多應用程式中的常見任務，尤其是在處理資料分析、內容管理系統或簡單的轉換工具時。在 Node.js 環境和 IronPDF 函式庫的幫助下，開發人員可以輕鬆將 PDF 文件轉換為可用的文字資料。本教程旨在指導初學者通過設置 Node.js 項目來使用 IronPDF 從 PDF 頁面文件中提取文本，重點關注安裝詳情、PDF 解析實作、錯誤處理和實際應用等關鍵方面。

如何在 NodeJS 中將 PDF 轉換為文本

在您的 IDE 中創建一個 Node.js 應用程式。
使用npm安裝 PDF 函式庫。
將 PDF 頁面載入應用程式。
使用 extractText 方法提取文字。
使用提取的文本進行處理並返回數據。

先決條件

在開始這段旅程之前，確保您擁有以下物品：

已在您的機器上安裝 Node.js。
對 JavaScript 的基本理解。
用於測試執行提取過程的 PDF 文件。

設置您的 Node.js 專案

步驟 1：初始化您的 Node.js 應用程式

為您的項目創建一個新的目錄並啟動一個 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

SHELL

步驟 2：安裝 IronPDF

使用 npm 安裝 IronPDF：

npm install ironpdf

npm install ironpdf

SHELL

使用 IronPDF 實現 PDF 到文本轉換

步驟 1：匯入必要的模組

import { PdfDocument } from "@ironpdf/ironpdf";
import { IronPdfGlobalConfig } from "@ironpdf/ironpdf";
import fs from "fs";

js

JAVASCRIPT

在第一步中，您需要匯入必要的模組。 PdfDocument 和 IronPdfGlobalConfig 從 @ironpdf/ironpdf 套件匯入，這對於處理 PDF 文件和配置 IronPDF 分別是必不可少的。 fs 模組是核心的 Node.js 模組，也用於處理檔案系統操作。

步驟 2：設定非同步函式

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

js

JAVASCRIPT

這裡定義了一個名為createPDFs的非同步匿名函數並立即調用。此設置允許在函數中使用await，方便處理異步操作，這在處理文件 I/O 和 IronPDF 等外部庫時很常見。

步驟 3：應用許可密鑰

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

js

JAVASCRIPT

在此步驟中，您將為 IronPDF 創建一個配置物件，包括授權密鑰，並使用 IronPdfGlobalConfig.setConfig 應用此配置。這對啟用IronPDF的所有功能至關重要，特別是當您使用的是授權版本時。

步驟 4: 加載 PDF 文件

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

js

JAVASCRIPT

在這一步驟中，代碼正確地使用PdfDocument類的fromFile方法來載入現有的PDF文件。這是一個非同步操作，因此使用await。透過指定 PDF 文件的路徑（在此情況下為 "old-report.pdf"），pdf 變數成為您的 PDF 文件的表示，完全加載並準備好進行文字提取。這個步驟很關鍵，因為這是解析 PDF 文件並為您希望執行的任何操作（如提取文本）做好準備的地方。

步驟五：從 PDF 提取文字

const text = await pdf.extractText();

js

JAVASCRIPT

此處對 pdf 對象調用了 extractText 方法。這個非同步操作從加載的 PDF 文件中提取所有文本，將其存儲在 text 變數中。

第六步：處理提取的文本

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

js

JAVASCRIPT

在此步驟中，提取的文本將被處理以計算單詞的數量。這是透過使用匹配一個或多個空白字元的正則表達式將文字字串分割成一個字元陣列來實現的，然後計算得到的陣列的長度。

第 7 步：將提取的文本保存到文件

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

js

JAVASCRIPT

這行更正的程式碼使用fs模組的writeFileSync方法，將提取的文字同步寫入檔案。

第8步：錯誤處理

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

js

JAVASCRIPT

最後，代碼包含一個try-catch塊以進行錯誤處理。如果 try 區塊中的任何非同步操作失敗，catch 區塊將捕捉錯誤，並將訊息記錄到控制台。這對於除錯和確保您的應用程序能夠優雅地處理意外問題來說非常重要。

完整程式碼

以下是完整的程式碼，包含我們討論過的所有步驟，用於在 Node.js 環境中使用 IronPDF 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);
  }
})();