如何從 Python 中的 PDF 提取特定文字

IronPDF功能

• 使用IronPDF，可以從各種來源建立PDF文件，包括HTML、HTML5、ASPX和Razor/MVC View。 它提供轉換HTML頁面和圖像為PDF文件的功能。
• 建立互動式PDF、填寫和提交互動表單、拆分和合併PDF文件、提取文字和圖像、在PDF文件中搜尋文字、將PDF光柵化為圖像、更改字體大小、使用ChatGPT進行自然語言處理、以及正確轉換PDF頁面只是IronPDF工具包可以幫助的幾項活動。
• IronPDF提供HTML登錄表單驗證，支援使用者代理、代理伺服器、cookie、HTTP標頭和表單變數。
• IronPDF使用使用者名和密碼提供使用者存取受保護的文件。
• 只需幾行程式碼，IronPDF即可從多種來源列印PDF文件，包括字串、流或URL。

環境配置

確保在您的電腦上已安裝Python。 要下載並安裝與您的操作系統相容的最新Python版本，請前往Python官方網站。 安裝Python後，建立一個虛擬環境以分離您的項目需求。 使用venv模塊建立和管理虛擬環境，以便為您的轉換項目提供一個整潔、獨立的工作區。

PyCharm中的新倡議

在本次演示中，推薦使用PyCharm作為開發Python程式碼的IDE。

啟動PyCharm IDE後，選擇"新項目"。

PyCharm

選擇"新項目"時，會打開一個新窗口，允許您設置項目的位置和環境。 這可能會在下面的圖片中看到。

新項目

選擇項目位置和環境路徑後，點擊Create按鈕開始新項目。 然後可以在新窗口中建立程式。 在本次教學中，使用的是Python 3.9。

建立Python項目

IronPDF程式庫需求

Python程式庫IronPDF主要使用.NET 6.0。因此，為了使用IronPDF for Python，必須在您的計算機上安裝.NET 6.0運行時。 Linux和Mac使用者可能需要在使用此Python模塊之前安裝.NET。 存取Microsoft的下載頁面以獲取所需的運行時環境。

IronPDF程式庫設置

要生成、修改和打開".pdf"擴展名的文件，必須安裝"IronPDF"包。 打開終端窗口，輸入以下命令以在PyCharm中安裝包：

pip install ironpdf

預覽ironpdf包安裝如下面的截圖所示。

安裝IronPDF

逐頁從PDF中提取

下面提供的範例程式碼顯示了如何使用頁碼從PDF文件中獲取資料。

from ironpdf import PdfDocument

# Load the PDF file
pdf = PdfDocument.FromFile('F:\\PDF\\Extract.pdf')
# Extract text from the first page of the PDF document
all_text = pdf.ExtractTextFromPage(0)
# Iterate over each line in the extracted text
for line in all_text.split('\n'):
    # Check if the line contains the keyword "Name"
    if 'Name' in line:
        # Print the line if it contains the keyword
        print(line)

from ironpdf import PdfDocument

# Load the PDF file
pdf = PdfDocument.FromFile('F:\\PDF\\Extract.pdf')
# Extract text from the first page of the PDF document
all_text = pdf.ExtractTextFromPage(0)
# Iterate over each line in the extracted text
for line in all_text.split('\n'):
    # Check if the line contains the keyword "Name"
    if 'Name' in line:
        # Print the line if it contains the keyword
        print(line)

程式碼片段展示了如何讀取PDF文件並使用FromFile功能構建PDF物件。 可以使用此物件存取PDF的文字和圖像。 通過將頁碼作為參數傳遞給ExtractTextFromPage功能，可以從特定頁面檢索文字。 該方法將返回一個包含所選頁面上所有單詞的字串。 然後，使用Python中的split功能將所有新行從提取的文字中分割出來。 之後，檢查提取的文字中的每一行是否包含需要的關鍵字。 如果關鍵字匹配，它將在命令提示符中顯示具體行。 否則，它將忽略該行並繼續到下一行。文字提取的輸出將如下所示。