Python에서 PDF를 TXT로 변환

PDF 파일에서 일반 텍스트를 추출하는 것은 데이터 분석, 검색 인덱싱 및 콘텐츠 마이그레이션에 자주 필요한 작업입니다.
Aspose.PDF for Python via .NET는 강력한 SDK를 제공하여 Python에서 PDF를 TXT로 쉽게 변환할 수 있게 해줍니다.
이 가이드에서는 라이브러리를 설정하는 방법, 전체 코드 예제를 단계별로 살펴보는 방법, 구성 옵션을 탐색하는 방법, 그리고 효율적이고 신뢰할 수 있는 텍스트 추출을 위한 모범 사례를 적용하는 방법을 배웁니다.

Python에서 PDF 텍스트 추출 단계

Aspose.PDF SDK 설치: pip를 사용하여 라이브러리를 환경에 추가합니다.

pip install aspose-pdf

필요한 클래스 가져오기: 스크립트에 Document와 TextAbsorber 클래스를 포함합니다.

import aspose.pdf as ap

PDF 문서 로드: 소스 파일을 가리키는 Document 객체를 생성합니다.

doc = ap.Document("sample.pdf")

TextAbsorber로 텍스트 추출: TextAbsorber를 초기화하고, 모든 페이지를 처리하도록 하며, 텍스트를 가져옵니다.

absorber = ap.TextAbsorber()
doc.pages.accept(absorber)
extracted_text = absorber.text

TextAbsorber 클래스는 인코딩 및 레이아웃 보존을 위한 속성을 제공합니다.

추출된 텍스트를 TXT 파일에 저장: 특수 문자를 그대로 유지하기 위해 UTF‑8 인코딩으로 문자열을 디스크에 씁니다.

with open("output.txt", "w", encoding="utf-8") as txt_file:
    txt_file.write(extracted_text)

Aspose.PDF를 사용하여 PDF를 TXT로 변환 - 전체 코드 예제

다음 예제는 최소한의 엔드‑투‑엔드 구현을 보여주며, 이를 귀하의 프로젝트에 맞게 적용할 수 있습니다.

import aspose.pdf as ap

def convert_pdf_to_txt(input_path: str, output_path: str):
    # Load the PDF document
    document = ap.Document(input_path)

# Create a TextAbsorber to extract text
    absorber = ap.TextAbsorber()
    document.pages.accept(absorber)

# Retrieve the extracted text
    text = absorber.text

# Write the text to a .txt file using UTF‑8 encoding
    with open(output_path, "w", encoding="utf-8") as file:
        file.write(text)

if __name__ == "__main__":
    # Example usage
    convert_pdf_to_txt("sample.pdf", "sample.txt")

참고: 이 코드 예제는 핵심 기능을 보여줍니다. 프로젝트에서 사용하기 전에 파일 경로(sample.pdf, sample.txt)를 실제 파일 위치에 맞게 업데이트하고, 모든 필수 종속성이 올바르게 설치되었는지 확인한 다음 개발 환경에서 충분히 테스트하십시오. 문제가 발생하면 공식 문서를 참조하거나 지원 팀에 문의하십시오.

설치 및 구성 Aspose.PDF for Python via .NET

SDK는 PyPI 패키지로 배포됩니다. 공식 저장소에서 최신 릴리스를 다운로드하고 pip으로 설치하십시오.

pip install aspose-pdf

또한 휠을 직접 다운로드 페이지에서 다운로드할 수 있습니다. 라이브러리는 Python 3.6 이상과 프로덕션 사용을 위한 유효한 Aspose 라이선스가 필요합니다.

PDF를 TXT로 변환하기 위한 추출 옵션 구성

다음 속성을 조정하여 추출 프로세스를 미세 조정하십시오:

Encoding - 특정 문자 집합을 처리하려면 absorber.text_encoding을 설정하십시오.

absorber.text_encoding = "utf-8"

Page Range - 페이지 추출을 성능 향상을 위해 페이지 하위 집합으로 제한합니다.

absorber.page_start = 1
absorber.page_end = 5

레이아웃 보존 - 열 구조를 유지하려면 레이아웃 보존과 함께 absorber.extract_text를 활성화하십시오.

absorber.extract_text = True

이 옵션들은 API 참조의 TextAbsorber 클래스의 일부입니다.