Extrair texto de PDF no Node.js

Extrair texto de todas as páginas do documento PDF

Extrair texto de PDF não é fácil. Apenas alguns leitores de PDF podem extrair texto de imagens PDF ou PDFs escaneados. Mas a ferramenta Aspose.PDF for Node.js via C++ permite que você extraia texto facilmente de todos os arquivos PDF no ambiente Node.js.

Este código demonstra como usar o módulo AsposePDFforNode.js para extrair texto de um arquivo PDF especificado e registrar tanto o texto extraído quanto os erros encontrados.

Verifique os trechos de código e siga os passos para extrair texto do seu PDF:

CommonJS:

1. Chamada require e importar asposepdfnodejs módulo como AsposePdf variável.
2. Especifique o nome do arquivo PDF do qual o texto será extraído.
3. Chamada AsposePdf como Promise e execute a operação para extrair texto. Receba o objeto se for bem-sucedido.
4. Chame a função AsposePdfExtractText.
5. O texto extraído é armazenado no objeto JSON. Assim, se ‘json.errorCode’ for 0, o texto extraído é exibido usando console.log. Se o parâmetro json.errorCode não for 0 e, consequentemente, aparecer um erro no seu arquivo, as informações do erro estarão contidas em ‘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 o asposepdfnodejs módulo.
2. Especifique o nome do arquivo PDF do qual o texto será extraído.
3. Inicialize o módulo AsposePdf. Receba o objeto se for bem-sucedido.
4. Chame a função AsposePdfExtractText.
5. O texto extraído é armazenado no objeto JSON. Assim, se ‘json.errorCode’ for 0, o texto extraído é exibido usando console.log. Se o parâmetro json.errorCode não for 0 e, consequentemente, aparecer um erro no seu arquivo, as informações do erro estarão contidas em ‘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);