Wie man Daten aus einem PDF in ASP.NET Core liest

Wie richten Sie IronPDF in ASP.NET Core ein?

Mit IronPDF in Ihrem ASP.NET Core-Projekt zu beginnen, dauert nur wenige Minuten. Installieren Sie das IronPDF NuGet-Paket über die NuGet-Paket-Manager-Konsole mit folgendem Befehl:

Install-Package IronPdf

Oder über die .NET CLI:

dotnet add package IronPdf

Sobald es installiert ist, fügen Sie den IronPDF-Namespace zu Ihrem Klassenprogramm, Controller oder Diensten hinzu:

using IronPdf;

using IronPdf;

Imports IronPdf

For detailed installation options including Docker deployment, Azure setup, and additional information, check the comprehensive documentation.

Wie können Sie Text aus PDF-Dateien extrahieren?

Die ExtractAllText-Methode von IronPDF bietet sofortigen Zugriff auf alle Textinhalte innerhalb eines PDF-Dokuments. Diese Methode behandelt verschiedene Textkodierungen und bewahrt die Lesereihenfolge des Originaldokuments, wodurch eine genaue Datenerfassung aus PDF-Dateien in ASP.NET Core-Anwendungen gewährleistet wird.

// Load a PDF document
var pdf = PdfDocument.FromFile("document.pdf");
// Extract all text
string allText = pdf.ExtractAllText();
// Extract text from specific page (0-indexed)
string pageText = pdf.ExtractTextFromPage(0); // current page

// Load a PDF document
var pdf = PdfDocument.FromFile("document.pdf");
// Extract all text
string allText = pdf.ExtractAllText();
// Extract text from specific page (0-indexed)
string pageText = pdf.ExtractTextFromPage(0); // current page

IRON VB CONVERTER ERROR developers@ironsoftware.com

Die ExtractAllText-Methode gibt einen String zurück, der den gesamten lesbaren Text aus dem PDF enthält, wobei Zeilenumbrüche und Abstände beibehalten werden. Für seitenbezogene Extraktionen ermöglicht ExtractTextFromPage das Anvisieren einzelner Seiten mit Null-basiertem Index. Dieser Ansatz funktioniert nahtlos mit verschlüsselten PDFs, wenn Sie das richtige Passwort angeben.

Hier ist eine praktische ASP.NET Core-Controller-Implementierung, die zeigt, wie man Daten aus PDF-Dateien liest, indem man dieses PDF verwendet:

[ApiController]
[Route("api/[controller]")]
public class PdfController : ControllerBase
{
    [HttpPost("extract-text")]
    public IActionResult ExtractText(IFormFile pdfFile)
    {
        using var stream = new MemoryStream();
        pdfFile.CopyTo(stream);
        var pdf = new PdfDocument(stream.ToArray());
        var extractedText = pdf.ExtractAllText();
        return Ok(new { text = extractedText });
    }
}

[ApiController]
[Route("api/[controller]")]
public class PdfController : ControllerBase
{
    [HttpPost("extract-text")]
    public IActionResult ExtractText(IFormFile pdfFile)
    {
        using var stream = new MemoryStream();
        pdfFile.CopyTo(stream);
        var pdf = new PdfDocument(stream.ToArray());
        var extractedText = pdf.ExtractAllText();
        return Ok(new { text = extractedText });
    }
}

IRON VB CONVERTER ERROR developers@ironsoftware.com

Wie lesen Sie PDF-Formulardaten?

PDF-Formulare enthalten interaktive Felder, die Benutzer ausfüllen. IronPDF simplifies extracting this form data through its comprehensive forms API, supporting all standard AcroForm field types. You can easily extract all form field data, including text boxes, checkboxes, and content type details.

Die Antwort kann dann in einer Datenbank gespeichert, an den Benutzer zurückgegeben oder in Ihrem ASP.NET-Anwendungs-Workflow integriert werden. Der folgende Code zeigt, wie das geht:

[HttpPost("extract-form")]
        public IActionResult ExtractForm([FromForm] IFormFile pdfFile)
        {
            if (pdfFile == null || pdfFile.Length == 0)
            {
                return BadRequest("No PDF file uploaded.");
            }
            using var stream = new MemoryStream();
            pdfFile.CopyTo(stream);
            var pdf = new PdfDocument(stream.ToArray());
            var formData = new Dictionary<string, string>();
            if (pdf.Form != null)
            {
                foreach (var field in pdf.Form)
                {
                    formData[field.Name] = field.Value;
                }
            }
            return Ok(new { formFields = formData });
        }

[HttpPost("extract-form")]
        public IActionResult ExtractForm([FromForm] IFormFile pdfFile)
        {
            if (pdfFile == null || pdfFile.Length == 0)
            {
                return BadRequest("No PDF file uploaded.");
            }
            using var stream = new MemoryStream();
            pdfFile.CopyTo(stream);
            var pdf = new PdfDocument(stream.ToArray());
            var formData = new Dictionary<string, string>();
            if (pdf.Form != null)
            {
                foreach (var field in pdf.Form)
                {
                    formData[field.Name] = field.Value;
                }
            }
            return Ok(new { formFields = formData });
        }

IRON VB CONVERTER ERROR developers@ironsoftware.com

Der ExtractForm-Endpunkt verwendet die Form-Eigenschaft von PdfDocument, um interaktive Felder aus einem hochgeladenen PDF zu lesen. Jedes Feld hat einen Namen und einen Wert, die in einem Wörterbuch gesammelt und als JSON zurückgegeben werden. Dies erleichtert das Erfassen von Daten aus Textfeldern, Kontrollkästchen und anderen Eingaben, sodass PDF-Formulareinsendungen direkt in Ihre Anwendungen oder Datenbanken verarbeitet und integriert werden können.

Wie können Sie Tabellendaten aus PDF-Dokumenten extrahieren?

Tabellen in PDFs sind im Wesentlichen formatierter Text, der Parselogi benötigt, um strukturierte Daten zu extrahieren. IronPDF extrahiert den Text und bewahrt dabei den Abstand, den Sie dann analysieren können, um Daten aus der PDF-Datei in ASP.NET zu lesen:

[HttpPost("extract-table")]
public IActionResult ExtractTable([FromForm] IFormFile pdfFile)
{
    if (pdfFile == null || pdfFile.Length == 0)
        return BadRequest("No PDF file uploaded.");
    using var memoryStream = new MemoryStream();
    pdfFile.CopyTo(memoryStream);
    // Load PDF from byte array
    var pdf = new PdfDocument(memoryStream.ToArray());
    // Extract all text
    string text = pdf.ExtractAllText();
    // Split text into lines (rows)
    string[] lines = text.Split(new[] { '\r', '\n' }, StringSplitOptions.RemoveEmptyEntries);
    var tableData = new List<string[]>();
    foreach (string line in lines)
    {
        // Split line into columns using tab character
        string[] columns = line
            .Split('\t')
            .Where(c => !string.IsNullOrWhiteSpace(c))
            .ToArray();
        if (columns.Length > 0)
            tableData.Add(columns);
    }
    var table = tableData.Select(r => string.Join(" | ", r)).ToList();
    return Ok(new { Table = table });
}

[HttpPost("extract-table")]
public IActionResult ExtractTable([FromForm] IFormFile pdfFile)
{
    if (pdfFile == null || pdfFile.Length == 0)
        return BadRequest("No PDF file uploaded.");
    using var memoryStream = new MemoryStream();
    pdfFile.CopyTo(memoryStream);
    // Load PDF from byte array
    var pdf = new PdfDocument(memoryStream.ToArray());
    // Extract all text
    string text = pdf.ExtractAllText();
    // Split text into lines (rows)
    string[] lines = text.Split(new[] { '\r', '\n' }, StringSplitOptions.RemoveEmptyEntries);
    var tableData = new List<string[]>();
    foreach (string line in lines)
    {
        // Split line into columns using tab character
        string[] columns = line
            .Split('\t')
            .Where(c => !string.IsNullOrWhiteSpace(c))
            .ToArray();
        if (columns.Length > 0)
            tableData.Add(columns);
    }
    var table = tableData.Select(r => string.Join(" | ", r)).ToList();
    return Ok(new { Table = table });
}

IRON VB CONVERTER ERROR developers@ironsoftware.com

Dieser Code extrahiert Text und teilt ihn basierend auf Abstands-Mustern in potenzielle Tabellenzeilen. Für komplexere Tabellen müssen Sie möglicherweise Tabellengrenzen mit Stichwörtern identifizieren oder anspruchsvollere Parsing-Logiken basierend auf Ihrer spezifischen PDF-Struktur implementieren.

Diese Ausgabe kann heruntergeladen, im Browser angezeigt oder zur weiteren Informationsverarbeitung verwendet werden. Sie können CSS-Formatierung oder HTML-String-Rendering integrieren, um Tabellen dynamisch in Ihrer Lösung anzuzeigen.

Wie verarbeiten Sie hochgeladene PDF-Dateien in ASP.NET Core?

Die Verarbeitung hochgeladener PDFs erfordert das Konvertieren der IFormFile in ein Format, das IronPDF lesen kann. This approach works seamlessly with Razor Pages and MVC controllers:

[HttpPost("process-upload")]
        public async Task<IActionResult> ProcessPdf([FromForm] IFormFile file)
        {
            if (file == null || file.Length == 0)
                return BadRequest("No PDF file uploaded.");
            using var ms = new MemoryStream();
            await file.CopyToAsync(ms);
            // Load PDF from byte array
            var pdf = new PdfDocument(ms.ToArray());
            // Extract text and page count
            var text = pdf.ExtractAllText();
            var pageCount = pdf.PageCount;
            return Ok(new
            {
                text = text,
                pages = pageCount
            });
        }

[HttpPost("process-upload")]
        public async Task<IActionResult> ProcessPdf([FromForm] IFormFile file)
        {
            if (file == null || file.Length == 0)
                return BadRequest("No PDF file uploaded.");
            using var ms = new MemoryStream();
            await file.CopyToAsync(ms);
            // Load PDF from byte array
            var pdf = new PdfDocument(ms.ToArray());
            // Extract text and page count
            var text = pdf.ExtractAllText();
            var pageCount = pdf.PageCount;
            return Ok(new
            {
                text = text,
                pages = pageCount
            });
        }

IRON VB CONVERTER ERROR developers@ironsoftware.com

Diese asynchrone Aufgabe gewährleistet eine nicht blockierende Verarbeitung und funktioniert mit object sender, eventargs e und Standard-.NET-Bibliotheken. Verwenden Sie ReturnFile mit Content-Disposition-Headern, um Benutzern zu ermöglichen, verarbeitete PDF-Dateien sicher herunterzuladen. Für zusätzliche Sicherheit sollten Sie die Implementierung der Dateiprüfung in Betracht ziehen, bevor Sie fortfahren.

Abschluss

IronPDF macht es einfach, PDF-Dokumente in ASP.NET Core und anderen .NET Core-Anwendungen zu lesen, extrahieren, verarbeiten und speichern. Ob Sie mit Formularen, Tabellen, einfachem Text oder digitalen Signaturen arbeiten, diese .NET-Bibliothek vereinfacht Aufgaben, die normalerweise Stunden dauern, in nur wenige Codezeilen. Sie können Ausgaben in HTML, Browser oder sogar Bildformate erstellen, konvertieren, darauf zugreifen und anzeigen.

Starten Sie mit einer kostenlosen Testversion, um die gesamten Möglichkeiten von IronPDF in Ihrem ASP.NET Core zu entdecken. Sie können Ihre PDF-Extraktions-Workflows erstellen und testen, bevor Sie sich zu einer Lizenz verpflichten. Für die Produktion bietet IronPDF flexible Optionen, die sowohl für Einzelentwickler als auch für große Lösungen geeignet sind. Ehrlich gesagt, die Verwendung von IronPDF ist einer der schnellsten Wege, die ich gefunden habe, um PDF-Dateien in ASP.NET Core zu verarbeiten, ohne die üblichen Kopfschmerzen.