JavaScriptでPDFからテキストを抽出する方法 | PDF JS テキスト抽出

JavaScriptを使用してPDFからテキストを抽出することは、データ抽出、ビジネス文書の自動化、およびテキストマイニングに非常に便利です。これにより、開発者はPDFから情報を収集するプロセスを自動化できるため、大量の文書を扱う際の生産性と効率を大幅に向上させることができます。このブログ記事では、JavaScriptを使用してPDFからテキストを抽出する方法を学びます。ワークフローを効率化したり、データ分析を改善したり、単に反復作業を自動化したりする場合でも、このガイドではJavaScriptを使用してPDFからテキストを効果的に抽出するための知識を提供します。

この記事では以下のトピックを扱います：

  1. PDF JavaScriptライブラリでテキストを抽出する
  2. JavaScriptでPDFからテキストを抽出する
  3. PDFからテキストへのオンライン変換ツールを試す
  4. 無料リソース

PDF JavaScriptライブラリでテキストを抽出する

Aspose.PDF for JavaScriptを使用して、JavaScriptでPDFファイルからテキストを抽出します。これは、JavaScriptでPDFファイルを操作するための強力なPDFライブラリであり、テキスト抽出、文書作成、および編集など、広範なPDF操作タスクをサポートしています。Aspose.PDF for JavaScriptは使いやすく、複雑なPDF操作を効率的に処理するための簡単なAPIを提供します。

ライブラリをダウンロードし、以下のインストール手順に従ってください: Aspose.PDF for JavaScriptのインストール。

JavaScriptでPDFからテキストを抽出する

Webアプリケーション内でJavaScriptを使用してPDFからテキストを簡単に抽出できます。このためには、PDFファイルをロードし、その後テキストを抽出する必要があります。リソース集約型のテキスト抽出タスクはWebワーカースレッドに委譲され、メインUIスレッドのブロックを防ぎます。これにより、変換を通じてのダウンロードが簡素化され、アプリケーションがユーザーフレンドリーになります。

以下の手順に従って、JavaScriptでPDFからテキストを抽出してください：

  1. 次のコードスニペットを使用してWebワーカーを作成します：
/*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]);
};
view raw extract-text-from-pdf-in-javascript_webworker.js hosted with ❤ by GitHub
  1. 以下の手順に従ってPDFファイルからテキストを抽出します：
  • 入力PDFファイルを選択します。
  • 新しいFileReaderオブジェクトを作成します。
  • 次に、PDFファイルからテキストを抽出するAsposePdfExtractText関数を呼び出します。
  • json.errorCodeが0であれば、json.extractTextに抽出されたコンテンツが含まれます。それ以外の場合、エラーが発生し、エラーメッセージはjson.errorTextファイルにログ記録されます。
  • 最後に、PDFから抽出されたテキストの文字列を受け取ります。

以下のコードサンプルは、JavaScriptを使用してPDFファイルからテキストを抽出する方法を示しています。

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]);
};
view raw extract-text-from-pdf-in-javascript_code.js hosted with ❤ by GitHub

TXTをPDFに変換するJavaScriptについての完全な記事もチェックしてみてください。

無料のJavaScript PDFライブラリを取得する

無料の一時ライセンスを取得し、このJavaScript PDFライブラリのすべての機能を制限なしでアンロックしましょう。心ゆくまで機能を探索してみてください！

オンラインでPDFからテキスト変換ツールを試す

この無料のPDFからテキストへの変換ツールを使用して、オンラインでPDFファイルからテキストを抽出することもできます。この強力なツールは、PDFからTXTへの変換をシームレスに提供し、PDF文書からテキストを抽出する必要があるすべての人にとって不可欠なリソースとなります。

この使いやすく高品質な変換ツールは、PDFからテキストを迅速かつ効率的に抽出でき、インストールは不要でセキュリティに配慮されています。個人やビジネスの両方に最適なソリューションです。

PDF JS テキスト抽出 – 学習リソース

JavaScriptでPDFからテキストを抽出するだけでなく、PDFファイルの作成、操作、変換についても深く掘り下げてみてください。以下のリソースを通じて、ライブラリの包括的な機能を探求できます：

結論

このブログ記事では、JavaScriptでPDFからテキストを抽出する方法を学びました。JavaScriptを使用してPDFからテキストを抽出することは、Webアプリケーションや自動化されたワークフローを大いに向上させる強力な技術です。Aspose.PDF for JavaScriptを活用することで、PDF文書からテキストを効率的に読み取り、抽出することができます。ご質問がある場合は、無料サポートフォーラムを通じてお気軽にお問い合わせください。

関連記事