如何在 Python 中將 PDF 轉換為文本（教程）

本文將展示如何使用IronPDF for Python，作為最強大的PDF程式庫之一，從PDF文件中提取任何可用的文字。

2.0 如何使用 Python 從 PDF 中提取文本？

1. 從 Python 下載頁面安裝最新版本的 Python

2. 打開任何適用於 Python 的 IDE 工具

3. 安裝 .NET Core 運行時

4. 安裝 IronPDF for Python 庫或從 PyPI 下載頁面下載

5. 從 PDF 中提取文本

2.1 什麼是 IronPDF for Python？

將 IronPDF 庫整合到 Python 中是非常簡單的，因為相較於其他語言，它是一種類型更為動態的語言，並且使開發者能夠快速且輕鬆地創建圖形用戶界面。 它擁有大量預裝工具，包括 PyQT、wxWidgets、kivy 和許多其他套件和庫，所有這些都可以用來快速安全地創建一個完整的 GUI。

IronPDF for Python 是一個非常高效的函式庫，特別適合網頁開發使用。 這部分歸因於眾多 Python 網頁開發範式如 Django、Flask 和 Pyramid 的可用性。 這些框架被眾多網站和在線服務使用，包括Reddit、Mozilla和Spotify。

2.2 IronPDF 的功能

• PDF 文件可以從各種來源創建，包括 HTML、HTML5、ASP 和 PHP 網站。 除了 HTML 檔案，還可以將圖像文件轉換為PDF.
• IronPDF 允許您建立互動式 PDF 文件，填寫並發送互動表單, 分割和合併PDF 文件，Extract text and images從 PDF 檔案中提取，搜尋 PDF 檔案中的特定單字，將 PDF 頁面光柵化為圖像，將 PDF 轉換為 HTML，以及打印 PDF 文件.
• IronPDF 可以打開 PDF 文件並從 URL 列印。 此外，它允許用戶代理在 HTML 登入表單、代理伺服器、Cookie、HTTP 標頭、自訂網路登入憑證、表單變數和用戶代理之後登入。
• 可以使用IronPDF從文件中提取圖像。
• 使用 IronPDF，很容易能够添加頁首和頁尾、文字和圖片，書籤和浮水印，以及更多內容到文件中。
• 可以使用 IronPDF 在新文件或現有文件中合併和分離頁面。
• 不需要使用 Acrobat 檢視器，文件即可轉換為 PDF 物件。
• 可以使用 CSS 文件製作 PDF 文件。
• 可以使用媒體類型的 CSS 檔案創建文件。

2.3 匯入 IronPDF 庫

在要使用IronPDF的源文件開頭包含以下導入語句以導入IronPDF：

from ironpdf import *

from ironpdf import *

2.4 設定許可證密鑰（如需）

儘管 IronPDF for Python 可免費使用，但對於免費用戶，它會在 PDF 文件中添加帶有平鋪背景的浮水印。 您必須提供合法的授權密鑰才能使用 IronPDF 進行不帶浮水印的 PDF 創建。 如何使用授權金鑰設置庫，如以下程式碼片段所示：

License.LicenseKey = "IRONPDF-LICENSE-KEY-ABCDEFGH"

License.LicenseKey = "IRONPDF-LICENSE-KEY-ABCDEFGH"

在建立 PDF 文件或更改其內容之前，請確保已配置授權金鑰。 LicenseKey 方法應在任何其他程式碼行之前呼叫。 To取得免費試用授權金鑰，請訪問授權頁面.

2.5 設定日誌文件

名為「Default」的文字檔可以存儲在 Python 腳本目錄中的 Custom.log 產生的日誌消息。 下面的程式碼片段可用於設置 LogFilePath 屬性並自訂日誌檔案的名稱和位置：

# Set a log path
Logger.EnableDebugging = True
Logger.LogFilePath = "Custom.log"
Logger.LoggingMode = Logger.LoggingModes.All

# Set a log path
Logger.EnableDebugging = True
Logger.LogFilePath = "Custom.log"
Logger.LoggingMode = Logger.LoggingModes.All

3.0 使用 IronPDF 提取 PDF 文本

IronPDF for Python 庫可以將 PDF 頁面轉換為 PDF 物件，並且能夠從 PDF 文件中提取文字，這包括掃描的 PDF 文件。 以下是一個使用 IronPDF 讀取現有 PDF 的範例。

第一種方法是提取 PDF 中的所有可用文本； 以下提供了一段範例程式碼。

from ironpdf import *

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

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

from ironpdf import *

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

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

如上面的程式碼所示，FromFile 方法是一個 PDF 閱讀器物件，用於載入現有的 PDF 文件並將其轉換為 PDF 文件物件。 此物件可用於讀取 PDF 頁面上的文本和圖像。 該物件提供一個名為 ExtractAllText 的方法，該方法從整個 PDF 檔案中提取每段文字，將文字保存在一個可被處理的字串中。 然後使用 print 函數顯示文本。

顯示文本

下面提供了第二種方法的程式碼範例，可以逐頁從 PDF 文件中提取文字。

from ironpdf import *

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

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

from ironpdf import *

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

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

FromFile 方法用來從現有的文件載入 PDF 文件並將其轉換為 PDF 文件對象，如上面的代碼所示。 PDF 頁面物件上的方法 ExtractTextFromPage 會從 PDF 文件中的頁面提取所有文字。必須提供頁碼作為參數，以從該特定頁面提取文字。 然後，在提取文本後，page_text 可以用來保存可以處理的信息。

查看更多範例從 PDF 中提取文字。

4.0 結論

相比之下，IronPDF 庫提供強大的安全措施以降低潛在風險。 它並非專為某一種瀏覽器設計，且可與所有常用瀏覽器配合使用。 IronPDF 允許程式設計師僅需幾行程式碼即可輕鬆生成和讀取 PDF 文件。 IronPDF 庫提供多種授權選項，包括免費的開發者授權和可供購買的額外開發授權，以滿足不同開發者的需求。

IronPDF 包括永久授權、30 天退款保證、一年的軟體支援和升級選項。 初次購買後沒有其他額外費用。 這些授權可用於開發、測試和生產環境。 了解更多關於產品授權的信息.

*下載該軟體產品。