使用IRONPDF FOR NODE.JS

如何在Node.js中将PDF转换为文本

发布 2024年一月4日

介绍

在 Node.js 中将 PDF 转换为文本是许多应用程序中的常见任务，尤其是在处理数据分析、内容管理系统或甚至简单的转换实用程序时。借助 Node.js 环境和IronPDF 库开发人员可以毫不费力地将 PDF 文档转换为可用的文本数据. 本教程旨在指导初学者通过设置一个 Node.js 项目，使用 IronPDF 从 PDF 页面文件中提取文本，重点关注安装细节、PDF 解析实现、错误处理和实际应用等关键方面。

如何在 NodeJS 中将 PDF 转换为文本

在您的集成开发环境中创建一个 Node.js 应用程序。
使用 npm 安装 PDF 库。
将 PDF 页面加载到应用程序中。
使用 extractText 方法提取文本。
使用提取的文本进行处理并返回数据。

先决条件

在开始这项工作之前，请确保您具备以下条件：

Node.js在您的计算机上安装了
对 JavaScript 有基本了解。
用于测试运行提取过程的 PDF 文件。

设置 Node.js 项目

第 1 步：初始化 Node.js 应用程序

为您的项目创建一个新目录并启动一个 Node.js 应用程序：

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

'INSTANT VB TODO TASK: The following line uses invalid syntax:
'mkdir pdf-@to-text-node cd pdf-@to-text-node npm init -y

VB C#

第 2 步：安装 IronPDF

使用 npm 安装 IronPDF：

npm install ironpdf

npm install ironpdf

'INSTANT VB TODO TASK: The following line uses invalid syntax:
'npm install ironpdf

VB C#

使用 IronPDF 实现 PDF 到文本的转换

步骤 1：导入必要的模块

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

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

import
If True Then
	PdfDocument
End If
from "@ironpdf/ironpdf"
import
If True Then
	IronPdfGlobalConfig
End If
from "@ironpdf/ironpdf"
import fs from "fs"

VB C#

第一步，导入必要的模块。 PDFDocument和IronPdfGlobalConfig是从@ironpdf/ironpdf包中导入的，它们分别是处理 PDF 文档和配置 IronPDF 的必备工具。 fs 模块是 Node.js 的核心模块，也被导入用于处理文件系统操作。

步骤 2：设置异步功能

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

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

(async [function] createPDFs() { })()

VB C#

这里定义了一个名为 createPDFs 的异步匿名函数，并立即调用。这种设置允许在函数内使用await，便于处理异步操作，这在处理文件 I/O 和 IronPDF 等外部库时很常见。

步骤 3：应用许可证密钥

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

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

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

VB C#

在此步骤中，您将为 IronPDF 创建一个配置对象，包括许可证密钥，并使用 IronPdfGlobalConfig.setConfig 应用此配置。这对于启用 IronPDF 的所有功能至关重要，尤其是在使用授权版本的情况下。

第 4 步：加载 PDF 文档

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

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

const pdf = Await PdfDocument.fromFile("report.pdf")

VB C#

在这一步中，代码正确使用了 PdfDocument 类中的 fromFile 方法来加载现有的 PDF 文档。这是一个异步操作，因此使用了await。通过指定 PDF 文件的路径(本例中为 "old-report.pdf")在翻译过程中，pdf 变量将成为 PDF 文档的表示形式，已完全加载并准备好进行文本提取。这一步至关重要，因为在这一步中将对 PDF 文件进行解析，并为您希望对其执行的任何操作（如提取文本）做好准备。

第 5 步：从 PDF 中提取文本

const text = await pdf.extractText();

const text = await pdf.extractText();

const text = Await pdf.extractText()

VB C#

在这里，pdf 对象上调用了extractText方法。此异步操作从加载的 PDF 文档中提取所有文本，并将其存储在 text 变量中。

步骤 6：处理提取的文本

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

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

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

VB C#

在这一步中，将对提取的文本进行处理，以计算字数。为此，我们使用正则表达式将文本字符串拆分成一个词组，匹配一个或多个空白字符，然后计算所生成词组的长度。

第 7 步：将提取的文本保存到文件中

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

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

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

VB C#

该更正行使用 fs 模块的 writeFileSync 方法将提取的文本同步写入文件。

步骤 8：错误处理

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

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

}
Catch e1 As [error]
  console.error("An error occurred:", [error]) 'log error
End Try

VB C#

最后，代码包括一个用于错误处理的try-catch块。如果try块中异步操作的任何部分失败，catch块将捕获错误，并将消息记录到控制台。这对于调试和确保您的应用程序能够从容应对突发问题非常重要。

完整代码

下面是完整的代码，它封装了我们讨论过的在 Node.js 环境中使用 IronPDF 从 PDF 文档中提取文本的所有步骤：

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);
  }
})();

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);
  }
})();

import
If True Then
	PdfDocument
End If
from "@ironpdf/ironpdf"
import
If True Then
	IronPdfGlobalConfig
End If
from "@ironpdf/ironpdf"
import fs from "fs"
(async [function] createPDFs() {
	try {
		const IronPdfConfig = { licenseKey:= "Your-License-Key"}; IronPdfGlobalConfig.setConfig(IronPdfConfig); const pdf = Await PdfDocument.fromFile("old-report.pdf"); const text = Await pdf.extractText(); const wordCount = text.split(/\s+/).length; console.log("Word Count:", wordCount); fs.writeFileSync("extracted_text.txt", text); console.log("Extracted text saved to extracted_text.txt");
	}
	catch ([error]) { console.error("An error occurred:", [error]); }
})()

VB C#

该脚本包含从 PDF 文件中提取文本的所有必要组件：使用许可证密钥设置 IronPDF、加载 PDF 文档、提取文本、执行简单的文本分析(这里的字数)并将提取的文本保存到文件中。代码封装在异步函数中，以处理 Node.js 中文件操作和 PDF 处理的异步性质。