如何在 Python 中將 PDF 轉換為文本（教程）

1.0 什麼是 PDF？

當談到文件共享時，由 Adobe 創建的可移植文檔格式 (PDF) 對於保存內容豐富且美觀的文字內容至關重要。在大多數情況下，需要特定的程式才能訪問線上PDF檔案。如今，許多重要的數位出版物都需要PDF檔案。許多企業利用PDF檔案來建立專業檔案和發票。IronPDF for Python 是最強大的PDF庫之一，可以提取PDF文件中的任何文字。

2.0 如何使用 Python 從 PDF 提取文本？

1. 安裝最新版本的 Python 這裡

2. 開啟任何 Python 的 IDE 工具

3. 安裝 .NET Core 運行時

4. 安裝 IronPDF Python 庫或從 這裡

5. 從 PDF 中提取文本

2.1 IronPDF for Python 是什麼？

在 Python 中整合 IronPDF 庫非常簡單，因為相比於其他語言，Python 更加動態，並且能讓開發者快速且輕鬆地創建圖形用戶接口。它擁有大量預安裝的工具，包括 PyQT、wxWidgets、kivy，以及眾多其他套件和庫，所有這些都可以用來快速且安全地創建一個完整的 GUI。

IronPDF for Python 是一個非常高效的庫，特別適用於 web 開發。眾多 Python web 開發範式的可用性，使其部分歸功於這一點，如 Django、Flask 和 Piramyd。這些框架已被無數網站和在線服務使用，包括 Reddit、Mozilla 和 Spotify。

2.2 IronPDF 的功能

• 可以從各種來源創建 PDF 文件，包括 HTML、HTML5、ASP 和 PHP 網站。除了 HTML 文件，我們還可以將圖片文件轉換為 PDF。
• IronPDF 允許您構建互動式 PDF 文件、填寫和發送互動表單、拆分和合併 PDF 文件、從 PDF 文件中提取文字和圖片、搜索 PDF 文件中的特定單詞、將 PDF 頁面光柵化為圖片、將 PDF 轉換為 HTML 以及列印 PDF 文件。
• IronPDF 可以打開 PDF 文件，並從 URL 列印。此外，它還支持通過 HTML 登錄表單、代理、Cookie、HTTP 標頭、自定義網絡登錄憑證、表單變量和用戶代理進行用戶代理登錄。
• 可以使用 IronPDF 從文檔中提取圖片。
• 使用 IronPDF，我們可以在文檔中添加頁眉、頁腳、文字、圖片、書籤、水印等。
• 我們可以使用新的或現有的文檔來合併和分離頁面。
• 無需使用 Acrobat 檢視器即可將文檔轉換為 PDF 物件。
• 可以使用 CSS 文件來製作 PDF 文檔。
• 可以使用媒體類型 CSS 文件創建文檔。

2.3 匯入 IronPDF 庫

在將使用 IronPDF 的原始檔案開頭，包含以下匯入語句以匯入 IronPDF：

from ironpdf import *

from ironpdf import *

2.4 設置授權密鑰 (如果需要)

雖然 IronPDF for Python 可以免費使用，但它會在免費使用者的 PDF 文件中加上帶有平鋪背景的浮水印。您必須提供合法的授權金鑰給程式庫，才能使用 IronPDF 來生成無浮水印的 PDF 文件。以下程式碼片段展示了如何使用授權金鑰設定此程式庫：

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

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

在創建 PDF 檔案或修改其內容之前，請確保已設定授權金鑰。應在任何其他程式碼行之前呼叫 LicenseKey 方法。若需要免費試用授權金鑰，請聯繫我們或從我們的授權頁面購買授權金鑰。

2.5 設定日誌檔案

一個名為 "Default" 的文本文件可以存儲由 Python 腳本目錄內的 Custom.log 產生的日誌消息。以下代碼片段可以用來設定 LogFilePath 屬性，並自定義日誌文件的名稱和位置：

# 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 Python 庫可以將 PDF 頁面轉換為 PDF 對象，並啟用從 PDF 文件中提取文本，包括掃描的 PDF 文件。下面是一個示例，展示如何使用 IronPDF 讀取現有的 PDF。

第一種方法是提取 PDF 中的所有可用文本；以下是一段示例代碼。

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)

如上所示，Fromfile 方法是一個 PDF 閱讀器對象，可以幫助我們加載現有的 PDF 檔案並將其轉換為 PDF 文檔對象。 使用此對象，我們可以讀取 PDF 頁面上的文字和圖片。 該對象提供了一個名為 ExtractAllText 的方法，可以從整個 PDF 檔案中提取所有文字，並將文字保存為可以處理的字串。 然後我們使用 print 函數來顯示這些文字。

以下是我們可以使用第二種方法逐頁從 PDF 文件中提取文字的代碼示例。

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 方法用於從現有文件中加載 PDF 文件並將其轉換為 PDF 文件對象，如上面的代碼所示。在 PDF 頁面對象上的一個方法稱為 ExtractTextFromPage，它從 PDF 文件的頁面中檢索所有文本。必須提供頁碼作為參數，才能從特定頁面中提取文本。然後，在提取文本後，我們將其轉移到變量中，以將其保存為可以處理的字符串。 更多範例 從 PDF 中提取文字。

4.0 結論

相比之下，IronPDF 庫提供了強大的安全措施以減少潛在風險。它並非針對任何特定瀏覽器設計的，而是兼容所有常用的瀏覽器。IronPDF 允許程式設計師僅用幾行程式碼就能輕鬆生成和讀取 PDF 檔案。IronPDF 庫提供一系列許可選項，包括免費的開發者許可證和可購買的額外開發許可證，以滿足不同開發者的需求。

IronPDF 包括永久許可證、30 天內退款保證、一年的軟體支援和升級選項。初次購買後，不會有額外費用。這些許可證可用於開發、預備和生產環境。了解更多關於 產品授權。下載 該軟體產品。