본문으로 건너뛰기

파이썬으로 PDF 파일에서 텍스트를 추출하는 방법

Python에서 PDF 파일에서 텍스트를 추출하는 방법.

Python에서 PDF 파일에서 텍스트를 추출하는 방법에 대한 단계별 튜토리얼입니다:

단계 1: 필요한 라이브러리 설치​

먼저, Python에서 PDF 파일을 다루기 위해 필요한 라이브러리를 설치해야 합니다. 가장 일반적으로 사용되는 라이브러리는 PyPDF2입니다. 다음 명령을 명령줄에서 실행하여 pip를 사용하여 설치할 수 있습니다:

pip install PyPDF2

단계 2: 필요한 라이브러리 가져오기​

다음으로, Python 스크립트에서 필요한 라이브러리를 가져와야 합니다. 이 경우에는 PyPDF2를 가져와야 합니다:

import PyPDF2

단계 3: PDF 파일 열기​

PDF 파일에서 텍스트를 추출하기 위해 먼저 파일을 열어야 합니다. PyPDF2에서 제공하는 open() 함수를 사용하여 PDF 파일을 열 수 있습니다. 'path_to_pdf'를 실제 PDF 파일의 경로로 대체하십시오.

pdf_file = open('path_to_pdf', 'rb')

참고: 'rb' 인자는 파일을 이진 모드로 열기 위해 사용됩니다.

단계 4: PDF Reader 개체 생성​

PDF 파일을 열었으면, PyPDF2에서 제공하는 PdfFileReader() 함수를 사용하여 PDF Reader 개체를 생성해야 합니다. 이 함수에 pdf_file 개체를 매개변수로 전달하십시오:

pdf_reader = PyPDF2.PdfFileReader(pdf_file)

단계 5: 전체 페이지 수 얻기​

PDF 파일에서 텍스트를 추출하기 위해서는 파일의 전체 페이지 수를 알아야 합니다. PDF Reader 개체의 numPages 속성을 사용하여 전체 페이지 수를 얻을 수 있습니다:

total_pages = pdf_reader.numPages

단계 6: 각 페이지에서 텍스트 추출​

이제, PDF 파일의 각 페이지에서 텍스트를 추출할 수 있습니다. PyPDF2에서 제공하는 getPage() 함수를 사용하여 특정 페이지를 가져오고, 그 페이지에서 텍스트를 추출하기 위해 extractText() 함수를 사용할 수 있습니다. 다음은 모든 페이지에서 텍스트를 추출하는 예시입니다:

for page_number in range(total_pages):
    page = pdf_reader.getPage(page_number)
    text = page.extractText()
    print(f"페이지 {page_number + 1}:\n{text}\n")

코드를 수정하여 추출된 텍스트를 파일에 저장하거나 필요에 따라 다른 작업을 수행할 수 있습니다.

단계 7: PDF 파일 닫기​

PDF 파일에서 텍스트를 추출한 후에는 close() 메서드를 사용하여 파일을 닫아야 합니다:

pdf_file.close()

이것으로 Python에서 PyPDF2 라이브러리를 사용하여 PDF 파일에서 텍스트를 추출하는 방법을 알게 되었습니다. 강력한 구현을 위해 발생할 수 있는 예외를 처리하는 것을 잊지 마세요.