如何在 Python 中閱讀掃描的 PDF

IronPDF 功能

IronPDF for Python 具備一系列功能，使其成為產生 PDF 和操作文字檔案結構的強大工具。

它的一些主要特點包括：

1. HTML 轉換 PDF：將 HTML 內容（包括 CSS 和圖像）轉換為高品質的 PDF 文檔，使開發人員能夠在 PDF 生成過程中利用現有的基於 Web 的內容並創建可搜尋的 PDF 文件。 2.文字和影像處理：輕鬆新增和處理 PDF 文件中的文字、影像和其他元素，從而對生成的 PDF 的佈局和外觀進行精細控制。 3.文檔合併和拆分：將多個 PDF 文件合併為一個文件，或將大型 PDF 拆分為更小、更易於管理的文件，從而在文檔組織方面提供靈活性。
2. PDF 表單：以程式設計方式建立和填寫互動式 PDF 表單，從而簡化業務應用程式中與表單相關的任務的自動化。 5.安全特性：實施加密和密碼保護以保護 PDF 文檔，確保敏感資訊保持機密並免受未經授權的存取。 6.文字擷取：從 PDF 文件中提取文字內容以進行分析或索引，使開發人員能夠利用 IronPDF 的文字辨識功能處理 PDF 文件中包含的文字資料。

安裝 IronPDF for Python

在開始程式碼教學之前，我們先來看看如何為 Python 安裝 IronPDF。

首先，請確保系統中已安裝 Python，並且您擁有像 PyCharm 這樣優秀的 Python IDE。 另外，還需要安裝 PIP 才能安裝適用於 Python 的 IronPDF。

1. 首先，建立一個新的 Python 專案或開啟一個現有的 Python 專案。

2. 開啟控制台並執行以下命令，然後按回車鍵。

   pip install ironpdf

   pip install ironpdf

   SHELL
3. 就這樣，IronPDF for Python 就整合到你的 Python 專案中了。

在本節中，我們將了解如何使用 IronPDF 從掃描的 PDF 檔案中提取文字。

from ironpdf import *  # Import everything from ironpdf

# Set the license key for IronPDF
License.LicenseKey = "Your License Key"

# Load the scanned PDF document
pdf = PdfDocument.FromFile("C:/Users/buttw/INV_2023_00008.pdf")

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

# Print the extracted text
print(all_text)

from ironpdf import *  # Import everything from ironpdf

# Set the license key for IronPDF
License.LicenseKey = "Your License Key"

# Load the scanned PDF document
pdf = PdfDocument.FromFile("C:/Users/buttw/INV_2023_00008.pdf")

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

# Print the extracted text
print(all_text)

以上程式碼範例從掃描的 PDF 檔案中提取文字。 以下是上述程式碼的詳細分析：

1.導入 IronPDF 模組：

```python
from ironpdf import *
```

這行程式碼從 IronPDF 庫導入必要的模組和類別。 星號（ `*` ）表示應該導入模組中的所有類別和函數。

2.設定許可證密鑰：

```python
License.LicenseKey = "Your License Key"
```

此行程式碼設定 IronPDF 的許可證密鑰。 您需要將`"Your License Key"`替換為您從 Iron Software 取得的實際許可證金鑰。  

使用 IronPDF 需要許可證金鑰，通常在購買產品時提供。

3.載入掃描的PDF文件：

```python
pdf = PdfDocument.FromFile("C:/Users/buttw/INV_2023_00008.pdf")
```

此行載入位於指定文件路徑（ `"C:/Users/buttw/INV_2023_00008.pdf"` ）的掃描 PDF 文件。 `PdfDocument.FromFile`方法用於從給定的檔案建立`PdfDocument`物件。

4.從PDF文件中擷取文字：

```python
all_text = pdf.ExtractAllText()
```

此行程式碼使用[**ExtractAllText 方法**](/python/examples/extract-pdf-text/)從已載入的 PDF 文件的所有頁面中提取所有文字內容。 提取出的文字隨後儲存在`all_text`變數中。

5.列印提取的文字：

```python
print(all_text)
```

最後，這行程式碼將提取的文字列印到控制台。 `all_text`變數包含掃描的 PDF 文件的文字內容。

輸入 PDF 文件

如何在 Python 中讀取掃描的 PDF 檔案（開發者教學）：圖 1

輸出文字

如何在 Python 中讀取掃描的 PDF 檔案（開發者教學）：圖 2