Aspose.PDF功能演示:使用 JavaScript 从 PDF 中提取文本

在数据提取、业务文档自动化和文本挖掘方面,使用 JavaScript 从PDF中提取文本非常有用。它允许开发人员自动执行从 PDF 收集信息的过程,从而显著提高处理大量文档的生产力和效率。在这篇博文中,我们将学习如何使用 JavaScript 从 PDF 中提取文本。无论您是想简化工作流程、改进数据分析还是只是自动执行重复性任务,本指南都将为您提供使用 JavaScript 从 PDF 有效提取文本的知识。

Aspose.PDF 是一款高级PDF处理API,可以在跨平台应用程序中轻松生成,修改,转换,呈现,保护和打印文档。无需使用Adobe Acrobat。此外,API提供压缩选项,表创建和处理,图形和图像功能,广泛的超链接功能,图章和水印任务,扩展的安全控件和自定义字体处理。 接下来我们将为您介绍如何借助这款工具在程序中合并JPG文件。

Aspose API支持流行文件格式处理,并允许将各类文档导出或转换为固定布局文件格式和最常用的图像/多媒体格式。

Aspose.pdf 最新下载

PDF JavaScript 库提取文本

我们将使用 Aspose.PDF for JavaScript从 pdf 文件中提取文本。它是一个功能强大的 PDF 库,提供强大的功能以使用 JavaScript 处理 PDF 文件。它支持各种 PDF 操作任务,包括文本提取、文档创建和编辑。Aspose.PDF for JavaScript 易于使用,并为开发人员提供了一个简单的 API 来高效处理复杂的 PDF 操作。

使用 JavaScript 从 PDF 中提取文本

我们可以在 Web 应用程序中使用 JavaScript 轻松从 PDF 中提取文本。为此,我们需要加载 PDF 文件,然后提取文本。资源密集型的文本提取任务将交给 Web 工作线程,这将防止主 UI 线程被阻塞。因此,我们的转换器应用程序变得用户友好,并且通过转换下载变得简单。

请按照以下步骤使用 JavaScript 从 PDF 中提取文本:

  1. 使用以下代码片段创建一个 Web Worker:
复制代码
/*Create Web Worker*/
const AsposePDFWebWorker = new Worker("AsposePDFforJS.js");
AsposePDFWebWorker.onerror = evt => console.log(`Error from Web Worker: ${evt.message}`);
AsposePDFWebWorker.onmessage = evt => document.getElementById('output').textContent =
(evt.data == 'ready') ? 'loaded!' :
(evt.data.json.errorCode == 0) ?
evt.data.json.extractText :
`Error: ${evt.data.json.errorText}`;

/*Event handler*/
const ffileExtract = e => {
const file_reader = new FileReader();
file_reader.onload = event => {
/*Extract text from a PDF-file - Ask Web Worker*/
AsposePDFWebWorker.postMessage(
{ "operation": 'AsposePdfExtractText', "params": [event.target.result, e.target.files[0].name] },
[event.target.result]
);
};
file_reader.readAsArrayBuffer(e.target.files[0]);
};
  1. 按照以下步骤从 PDF 文件中提取文本:
  • 选择输入的 PDF 文件。
  • 创建一个新的 FileReader 对象。
  • 现在,调用 AsposePdfExtractText函数,从 PDF 文件中提取文本。
  • 之后检查json.errorCode 是否为 0,如果为 0,则json.extractText 中 是否包含提取的内容,否则会出错,错误信息会记录在json.errorText文件中。
  • 最后,您将收到一个包含从 PDF 中提取的文本的字符串。

以下代码示例展示如何使用 JavaScript 从 PDF 文件中提取文本

复制代码
var ffileExtract = function (e) {
const file_reader = new FileReader();
file_reader.onload = (event) => {
/*Extract text from a PDF-file*/
const json = AsposePdfExtractText(event.target.result, e.target.files[0].name);
if (json.errorCode == 0) document.getElementById('output').textContent = json.extractText;
else document.getElementById('output').textContent = json.errorText;
};
file_reader.readAsArrayBuffer(e.target.files[0]);
};
尝试在线 PDF 转文本转换器

您还可以使用此免费PDF 到文本转换器工具在线从 PDF 文件中提取文本。此功能强大的工具提供无缝的 PDF 到TXT转换,使其成为任何需要从 PDF 文档中提取文本的人的不可或缺的资源。

相关推荐
deng-c-f10 分钟前
Linux C/C++ 学习日记(29):IO密集型与CPU密集型、CPU的调度与线程切换
linux·学习·线程·cpu·io密集·cpu密集
报错小能手3 小时前
linux学习笔记(43)网络编程——HTTPS (补充)
linux·网络·学习
报错小能手3 小时前
linux学习笔记(45)git详解
linux·笔记·学习
追逐时光者3 小时前
一个基于 .NET 开源、功能强大的分布式微服务开发框架
后端·.net
笺上知微3 小时前
Serilog基于Seq开源框架实现日志分析
.net
Maple_land3 小时前
常见Linux环境变量深度解析
linux·运维·服务器·c++·centos
百锦再4 小时前
Vue Scoped样式混淆问题详解与解决方案
java·前端·javascript·数据库·vue.js·学习·.net
冬夜戏雪4 小时前
基于rapidocr 的文档解析(pdf转md)工具(已部署)
pdf·运维开发
CodeCraft Studio5 小时前
【能源与流程工业案例】KBC借助TeeChart 打造工业级数据可视化平台
java·信息可视化·.net·能源·teechart·工业可视化·工业图表
一个帅气昵称啊5 小时前
使用微软Agent Framework .NET构建智能代理应用
microsoft·flask·.net