C# Text aus PDF extrahieren (Code-Beispiel-Tutorial)

1. IronPDF-Funktionen

IronPDF ist ein robuster PDF-Konverter, der nahezu jede Operation ausführen kann, die ein Browser kann. Das Erstellen, Lesen und Manipulieren von PDF-Dokumenten ist mit der .NET-Bibliothek für Entwickler einfach. IronPDF konvertiert HTML-zu-PDF-Dokumente mit der Chrome-Engine. IronPDF unterstützt HTML, ASPX, Razor HTML und MVC View sowie andere Webkomponenten. Die Microsoft .NET-Anwendung wird von IronPDF unterstützt (sowohl ASP.NET-Webanwendungen als auch traditionelle Windows-Anwendungen). IronPDF kann auch verwendet werden, um ein visuell ansprechendes PDF-Dokument zu erstellen.

Wir können ein PDF-Dokument aus HTML5, JavaScript, CSS und Bildern mit IronPDF erstellen. Zusätzlich können die Dateien Kopf- und Fußzeilen haben. Dank IronPDF können wir einfach ein PDF-Dokument lesen. IronPDF verfügt auch über eine umfassende PDF-Konvertierungs-Engine und einen leistungsstarken HTML-zu-PDF-Konverter, der PDF-Dokumente verarbeiten kann.

• PDF-Erstellung: PDFs aus HTML, JavaScript, CSS, Bildern oder URLs erzeugen. Hinzufügen von Kopf- und Fußzeilen, Lesezeichen, Wasserzeichen und anderen benutzerdefinierten Elementen zur Verbesserung des Designs.
• HTML-zu-PDF-Konvertierung: Konvertieren von HTML, Razor/MVC-Views und medientypischen CSS-Dateien direkt in das PDF-Format.
• Interaktive PDF-Funktionen: Erstellen, Ausfüllen und Absenden interaktiver PDF-Formulare.
• Text- und Bildextraktion: Extrahieren von Text oder Bildern aus bestehenden PDF-Dokumenten zur Datenverarbeitung oder Wiederverwendung.
• Dokumentenmanipulation: Zusammenführen, Teilen, und Neuordnen von Seiten in neuen oder bestehenden PDF-Dateien.
• Bild- und Seitenverarbeitung: Rastizieren von PDF-Seiten zu Bildern und konvertieren von Bildern ins PDF-Format.
• Arbeiten mit benutzerdefinierten Anmeldeinformationen: IronPDF ist in der Lage, ein Dokument von einer URL zu erstellen. Es unterstützt auch benutzerdefinierte Netzwerk-Anmeldeinformationen, Benutzeragenten, Proxys, Cookies, HTTP-Header und Formularvariablen für Anmeldungen hinter HTML-Anmeldeformularen.
• Suche und Barrierefreiheit: Suchen nach Text in PDF-Dokumenten und sicherstellen, dass sie den Barrierefreiheitsstandards entsprechen.
• Umwandlungsflexibilität: Umwandeln von PDFs in andere Formate wie HTML und arbeiten mit CSS-Dateien, um PDFs zu erzeugen.
• Eigenständige Funktionalität: Funktioniert unabhängig ohne Bedarf an Adobe Acrobat oder zusätzlichen Tools von Drittanbietern.

2. Erstellen eines neuen Projekts in Visual Studio

Öffnen Sie die Visual Studio-Software und gehen Sie zum Datei-Menü. Wählen Sie "Neues Projekt", und wählen Sie dann "Konsolenanwendung". In diesem Artikel verwenden wir eine Konsolenanwendung, um PDF-Dokumente zu erstellen.

Erstellen eines neuen Projekts in Visual Studio

Geben Sie den Projektnamen ein und wählen Sie den Dateipfad im entsprechenden Textfeld aus. Klicken Sie danach auf die Schaltfläche Erstellen und wählen Sie das benötigte .NET Framework, wie im untenstehenden Screenshot.

Neues Projekt in Visual Studio konfigurieren

Das Visual-Studio-Projekt wird nun die Struktur für die ausgewählte Anwendung generieren, und wenn Sie die Konsole, Windows- oder Webanwendung ausgewählt haben, wird die Datei program.cs geöffnet, in die Sie den Code eingeben und die Anwendung erstellen/ausführen können.

.NET Core auswählen

Wir fügen die Bibliothek zum Test des Codes hinzu.

3. IronPDF-Bibliothek installieren

Die IronPDF Library kann auf vier Arten heruntergeladen und installiert werden.

Diese sind:

• Verwendung von Visual Studio.
• Verwendung der Visual Studio-Befehlszeile.
• Direkter Download von der NuGet-Website.
• Direkter Download von der IronPDF-Website.

Install-Package IronPdf

4. mit IronPDF Text extrahieren

Das IronPDF-Programm ermöglicht es uns, Text aus der PDF-Datei zu extrahieren und PDF-Seiten in PDF-Objekte zu konvertieren. Das Folgende ist ein Beispiel, wie man IronPDF verwendet, um eine bestehende PDF-Datei zu lesen.

Der erste Ansatz ist das Extrahieren von Text aus einem PDF und das Beispiel-Code-Snippet ist unten.

using IronPdf;

// Load an existing PDF document from a file
var pdfDocument = PdfDocument.FromFile("result.pdf");

// Extract all text from the entire PDF document
string allText = pdfDocument.ExtractAllText();

using IronPdf;

// Load an existing PDF document from a file
var pdfDocument = PdfDocument.FromFile("result.pdf");

// Extract all text from the entire PDF document
string allText = pdfDocument.ExtractAllText();

Imports IronPdf

' Load an existing PDF document from a file
Private pdfDocument = PdfDocument.FromFile("result.pdf")

' Extract all text from the entire PDF document
Private allText As String = pdfDocument.ExtractAllText()

Die FromFile-statische Methode wird verwendet, um das PDF-Dokument aus einer vorhandenen Datei zu laden und es in PDFDocument-Objekte zu transformieren, wie im obigen Code gezeigt. Wir können den Text und die Bilder, die auf den PDF-Seiten zugänglich sind, mit diesem Objekt lesen. Das Objekt hat eine Methode namens ExtractAllText, die den gesamten Text aus dem gesamten PDF-Dokument extrahiert und dann den extrahierten Text in der Zeichenkette speichert, die wir zur Verarbeitung verwenden können.

Unten ist das Codebeispiel für die zweite Methode, die wir verwenden können, um Text aus einer PDF-Datei, Seite für Seite, zu extrahieren.

using IronPdf;

// Load an existing PDF document from a file
using PdfDocument pdf = PdfDocument.FromFile("result.pdf");

// Loop through each page of the PDF document
for (var index = 0; index < pdf.PageCount; index++)
{
    // Extract text from the current page
    string text = pdf.ExtractTextFromPage(index);
}

using IronPdf;

// Load an existing PDF document from a file
using PdfDocument pdf = PdfDocument.FromFile("result.pdf");

// Loop through each page of the PDF document
for (var index = 0; index < pdf.PageCount; index++)
{
    // Extract text from the current page
    string text = pdf.ExtractTextFromPage(index);
}

Imports IronPdf

' Load an existing PDF document from a file
Private PdfDocument As using

' Loop through each page of the PDF document
For index = 0 To pdf.PageCount - 1
	' Extract text from the current page
	Dim text As String = pdf.ExtractTextFromPage(index)
Next index

Im obigen Code sehen wir, dass es zuerst das ganze PDF-Dokument lädt und es in ein PDF-Objekt umwandelt. Dann erhalten wir die Seitenanzahl des gesamten PDF-Dokuments, indem wir eine eingebaute Eigenschaft namens PageCount verwenden, die die Gesamtzahl der in dem geladenen PDF-Dokument verfügbaren Seiten abruft. Die Verwendung der "for-Schleife" und der ExtractTextFromPage-Funktion ermöglicht es uns, die Seitenzahl als Parameter zu übergeben, um Text aus dem geladenen Dokument zu extrahieren. Es wird dann den genauen Text in die String-Variable halten. Ebenso wird es Text aus der PDF-Seite für Seite mit Hilfe der "for" oder der "for each"-Schleife extrahieren.

5. Fazit

IronPDF ist eine vielseitige und leistungsstarke PDF-Bibliothek, die entwickelt wurde, um die Arbeit mit PDFs in .NET-Anwendungen nahtlos zu gestalten. Seine robusten Funktionen ermöglichen es Entwicklern, Inhalte aus PDFs zu erstellen, zu manipulieren und zu extrahieren, ohne von Drittanbieterabhängigkeiten wie Adobe Reader abhängig zu sein. Eine der herausragenden Fähigkeiten von IronPDF ist die Möglichkeit, Text aus PDF-Dokumenten zu extrahieren. Diese Funktion ist unschätzbar für die Automatisierung von Aufgaben wie Datenanalyse, Dokumentenindexierung, Inhaltsmigration und das Aktivieren von Barrierefreiheitsfunktionen. Indem es Entwicklern erlaubt, Texte programmatisch abzurufen und zu verarbeiten, vereinfacht IronPDF Arbeitsabläufe und eröffnet neue Möglichkeiten für den Umgang mit PDF-Inhalten.

Mit einer unkomplizierten Integration und plattformübergreifender Unterstützung ist IronPDF eine ausgezeichnete Wahl für Entwickler, die PDFs effizient handhaben möchten. Zusätzlich bietet IronPDF eine kostenlose Testversion an, die Ihnen ermöglicht, die gesamte Bandbreite der Funktionen risikofrei auszuprobieren, bevor Sie sich binden. Für Preisdetails und um mehr über Lizenzierungsoptionen zu erfahren, besuchen Sie die Preisseite.