Node.js で PDF からテキストを解析する

PDF ドキュメントからテキストを解析する

PDF ドキュメントからテキストを解析することは、非常に一般的で有用な作業です。 PDF からテキストを抽出することは、検索性と利用可能性の向上から、ビジネス、研究、情報管理などさまざまな分野でのデータの分析や自動化を可能にするまで、様々な目的に役立ちます。

PDF ドキュメントからテキストを抽出したい場合は、次のものを使用できます AsposePdfExtractText 関数。 Node.js via C++ を使用して PDF ファイルからテキストを抽出するために、以下のコードスニペットをご確認ください。

コードスニペットを確認し、手順に従って PDF からテキストを抽出してください:

CommonJS:

  1. 呼び出す require そしてインポート asposepdfnodejs モジュールとして AsposePdf 変数。
  2. テキストを抽出する PDF ファイルの名前を指定します。
  3. 呼び出す AsposePdf Promiseとして、テキスト抽出の操作を実行します。成功した場合はオブジェクトを受け取ります。
  4. 関数を呼び出す AsposePdfExtractText.
  5. 抽出されたテキストは JSON オブジェクトに格納されます。そのため、‘json.errorCode’ が 0 の場合は、console.log を使用して抽出テキストが表示されます。‘json.errorCode’ パラメータが 0 でない場合、ファイルにエラーが発生し、エラー情報は ‘json.errorText’ に含まれます。

  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. インポートする asposepdfnodejs モジュール。
  2. テキストを抽出する PDF ファイルの名前を指定します。
  3. AsposePdf モジュールを初期化します。成功した場合はオブジェクトを受け取ります。
  4. 関数を呼び出す AsposePdfExtractText.
  5. 抽出されたテキストは JSON オブジェクトに格納されます。そのため、‘json.errorCode’ が 0 の場合は、console.log を使用して抽出テキストが表示されます。‘json.errorCode’ パラメータが 0 でない場合、ファイルにエラーが発生し、エラー情報は ‘json.errorText’ に含まれます。

  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);
Node.js で PDF から画像を抽出する