Analizar texto de PDF en Node.js

Analizar texto de documento PDF

Analizar texto del documento PDF es una tarea muy común y útil. Extraer texto de PDFs sirve para una variedad de propósitos, desde mejorar la búsqueda y la disponibilidad hasta habilitar el análisis y la automatización de datos en diversos campos como los negocios, la investigación y la gestión de la información.

En caso de que desees extraer texto de un documento PDF, puedes usar AsposePdfExtractText función. Por favor, revisa el siguiente fragmento de código para extraer texto de un archivo PDF usando Node.js vía C++.

Revisa los fragmentos de código y sigue los pasos para extraer texto de tu PDF:

CommonJS:

1. Llamar require y importar asposepdfnodejs módulo como AsposePdf variable.
2. Especifica el nombre del archivo PDF del cual se extraerá el texto.
3. Llamar AsposePdf como Promise y realiza la operación de extracción de texto. Recibe el objeto si es exitoso.
4. Llame a la función AsposePdfExtractText.
5. El texto extraído se almacena en el objeto JSON. Por lo tanto, si ‘json.errorCode’ es 0, el texto extraído se muestra usando console.log. Si el parámetro json.errorCode no es 0 y, en consecuencia, aparece un error en tu archivo, la información del error estará contenida en ‘json.errorText’.

  const AsposePdf = require('asposepdfnodejs');
  const pdf_file = 'Aspose.pdf';
  AsposePdf().then(AsposePdfModule => {
      /*Extract text from a PDF-file*/
      const json = AsposePdfModule.AsposePdfExtractText(pdf_file);
      console.log("AsposePdfExtractText => %O", json.errorCode == 0 ? json.extractText : json.errorText);
  });

ECMAScript/ES6:

1. Importar el asposepdfnodejs módulo.
2. Especifica el nombre del archivo PDF del cual se extraerá el texto.
3. Inicializa el módulo AsposePdf. Recibe el objeto si tiene éxito.
4. Llame a la función AsposePdfExtractText.
5. El texto extraído se almacena en el objeto JSON. Por lo tanto, si ‘json.errorCode’ es 0, el texto extraído se muestra usando console.log. Si el parámetro json.errorCode no es 0 y, en consecuencia, aparece un error en tu archivo, la información del error estará contenida en ‘json.errorText’.

  import AsposePdf from 'asposepdfnodejs';
  const AsposePdfModule = await AsposePdf();
  const pdf_file = 'Aspose.pdf';
  /*Extract text from a PDF-file*/
  const json = AsposePdfModule.AsposePdfExtractText(pdf_file);
  console.log("AsposePdfExtractText => %O", json.errorCode == 0 ? json.extractText : json.errorText);