1. IronPDF
  2. Anleitungen
  3. Csharp PDF parsen
Wie man PDF-Dateien in Node.js liest

C# PDF-Parser

Curtis Chau
Curtis Chau
Aktualisiert:
This article was translated from English: Does it need improvement?
Translated
View the article in English

Parsen von PDF-Dateien in C# mit der Methode ExtractAllText von IronPDF, um Text aus ganzen Dokumenten oder bestimmten Seiten zu extrahieren. Dieser Ansatz bietet eine einfache, effiziente PDF-Textextraktion für .NET-Anwendungen mit nur wenigen Codezeilen.

IronPDF macht das Parsen von PDF-Dateien in C#-Anwendungen zum Kinderspiel. Dieses Tutorial demonstriert die Verwendung von IronPDF, einer umfassenden C#-Bibliothek für PDF-Erzeugung und -Bearbeitung, um PDFs in wenigen Schritten zu parsen.

Schnellstart: Effizientes PDF-Parsing mit IronPDF

Mit IronPDF können Sie PDFs in C# mit minimalem Code analysieren. Dieses Beispiel zeigt, wie man den gesamten Text aus einer PDF-Datei extrahiert und dabei die ursprüngliche Formatierung beibehält. Die ExtractAllText-Methode von IronPDF ermöglicht die nahtlose Integration von PDF-Parsing in .NET-Anwendungen. Befolgen Sie diese Schritte für eine unkomplizierte Einrichtung und Ausführung.

Nuget IconLegen Sie jetzt mit NuGet los, um PDFs zu erstellen:

  1. Installieren Sie IronPDF mit dem NuGet-Paketmanager.

    PM > Install-Package IronPdf

  2. Kopieren Sie diesen Codeausschnitt und führen Sie ihn aus.

    var text = IronPdf.FromFile("sample.pdf").ExtractAllText();

  3. Bereitstellen zum Testen in Ihrer Live-Umgebung

    Beginnen Sie noch heute mit der Nutzung von IronPDF in Ihrem Projekt – mit einer kostenlosen Testversion.
    arrow pointer

Minimaler Arbeitsablauf (5 Schritte)

  1. Herunterladen der C# PDF-Parser-Bibliothek
  2. Installieren Sie in Ihrem Visual Studio
  3. Verwenden Sie die Methode ExtractAllText, um jede einzelne Zeile des Textes zu extrahieren
  4. Extrahieren des gesamten Textes aus einer einzelnen Seite mit der Methode ExtractTextFromPage
  5. Zugehörige PDF-Inhalte anzeigen

Wie analysiere ich PDF-Dateien in C#?

Das Parsen von PDF-Dateien ist mit IronPDF ganz einfach. Der folgende Code verwendet die Methode ExtractAllText, um jede Textzeile aus dem gesamten PDF-Dokument zu extrahieren. Der Vergleich zeigt den extrahierten PDF-Inhalt und seine Ausgabe. Die Bibliothek unterstützt auch die Extraktion von Text und Bildern aus bestimmten Abschnitten von PDF-Dokumenten.

:path=/static-assets/pdf/content-code-examples/how-to/csharp-parse-pdf-parse-pdf.cs
using IronPdf;

// Select the desired PDF File
PdfDocument pdf = PdfDocument.FromFile("sample.pdf");

// Extract all text from an pdf
string allText = pdf.ExtractAllText();

// Extract all text from page 1
string page1Text = pdf.ExtractTextFromPage(0);
Imports IronPdf

' Select the desired PDF File
Private pdf As PdfDocument = PdfDocument.FromFile("sample.pdf")

' Extract all text from an pdf
Private allText As String = pdf.ExtractAllText()

' Extract all text from page 1
Private page1Text As String = pdf.ExtractTextFromPage(0)
$vbLabelText   $csharpLabel

IronPDF vereinfacht das Parsen von PDF-Dateien in verschiedenen Szenarien. Ob bei der Arbeit mit HTML-zu-PDF-Konvertierungen, der Extraktion von Inhalten aus bestehenden Dokumenten oder der Implementierung von erweiterten PDF-Funktionen, die Bibliothek bietet umfassende Unterstützung.

IronPDF bietet eine nahtlose Integration mit Windows-Anwendungen und unterstützt den Einsatz auf Linux und macOS Plattformen. Die Bibliothek unterstützt auch Azure deployment für Cloud-basierte Lösungen.

Fortgeschrittene Beispiele zur Textextraktion

Hier finden Sie weitere Möglichkeiten zum Parsen von PDF-Inhalten mit IronPDF:

using IronPdf;

// Parse PDF from URL
var pdfFromUrl = PdfDocument.FromUrl("https://example.com/document.pdf");
string urlPdfText = pdfFromUrl.ExtractAllText();

// Parse password-protected PDFs
var protectedPdf = PdfDocument.FromFile("protected.pdf", "password123");
string protectedText = protectedPdf.ExtractAllText();

// Extract text from specific page range
var largePdf = PdfDocument.FromFile("large-document.pdf");
for (int i = 5; i < 10; i++)
{
    string pageText = largePdf.ExtractTextFromPage(i);
    Console.WriteLine($"Page {i + 1}: {pageText.Substring(0, 100)}...");
}
using IronPdf;

// Parse PDF from URL
var pdfFromUrl = PdfDocument.FromUrl("https://example.com/document.pdf");
string urlPdfText = pdfFromUrl.ExtractAllText();

// Parse password-protected PDFs
var protectedPdf = PdfDocument.FromFile("protected.pdf", "password123");
string protectedText = protectedPdf.ExtractAllText();

// Extract text from specific page range
var largePdf = PdfDocument.FromFile("large-document.pdf");
for (int i = 5; i < 10; i++)
{
    string pageText = largePdf.ExtractTextFromPage(i);
    Console.WriteLine($"Page {i + 1}: {pageText.Substring(0, 100)}...");
}
IRON VB CONVERTER ERROR developers@ironsoftware.com
$vbLabelText   $csharpLabel

Diese Beispiele zeigen die Flexibilität von IronPDF bei der Verarbeitung unterschiedlicher PDF-Quellen und -Szenarien. Für komplexe Parsing-Anforderungen sollten Sie PDF DOM Object Access erkunden, um mit strukturierten Inhalten zu arbeiten.

Verarbeitung verschiedener PDF-Typen

IronPDF eignet sich hervorragend zum Parsen verschiedener PDF-Typen:

using IronPdf;
using System.Text.RegularExpressions;

// Parse scanned PDFs with OCR (requires IronOcr)
var scannedPdf = PdfDocument.FromFile("scanned-document.pdf");
string ocrText = scannedPdf.ExtractAllText();

// Parse PDFs with forms
var formPdf = PdfDocument.FromFile("form.pdf");
string formText = formPdf.ExtractAllText();

// Extract and filter specific content
string invoiceText = pdf.ExtractAllText();
var invoiceNumber = Regex.Match(invoiceText, @"Invoice #: (\d+)").Groups[1].Value;
var totalAmount = Regex.Match(invoiceText, @"Total: \$([0-9,]+\.\d{2})").Groups[1].Value;
using IronPdf;
using System.Text.RegularExpressions;

// Parse scanned PDFs with OCR (requires IronOcr)
var scannedPdf = PdfDocument.FromFile("scanned-document.pdf");
string ocrText = scannedPdf.ExtractAllText();

// Parse PDFs with forms
var formPdf = PdfDocument.FromFile("form.pdf");
string formText = formPdf.ExtractAllText();

// Extract and filter specific content
string invoiceText = pdf.ExtractAllText();
var invoiceNumber = Regex.Match(invoiceText, @"Invoice #: (\d+)").Groups[1].Value;
var totalAmount = Regex.Match(invoiceText, @"Total: \$([0-9,]+\.\d{2})").Groups[1].Value;
IRON VB CONVERTER ERROR developers@ironsoftware.com
$vbLabelText   $csharpLabel

Wie kann ich den geparsten PDF-Inhalt anzeigen?

Ein C#-Formular zeigt den geparsten PDF-Inhalt aus der obigen Codeausführung an. Diese Ausgabe liefert den genauen Text aus einem PDF-Dokument für die Dokumentenverarbeitung.

~ PDF ~

PDF-Tutorial zur Installation von IronPDF und zur Konvertierung von HTML in PDF mit C#-Codebeispiel in Adobe Acrobat

~ C# Form ~

IronPDF-Anwendungsfenster mit extrahiertem PDF-Text und Anweisungen zur Installation und Verwendung

Der extrahierte Text behält die ursprüngliche Formatierung und Struktur der PDF-Datei bei und eignet sich daher ideal für Datenverarbeitung, Inhaltsanalyse oder Migrationsaufgaben. Bearbeiten Sie diesen Text weiter, indem Sie bestimmte Inhalte suchen und ersetzen oder ihn in andere Formate exportieren.

PDF-Parsing in Ihre Anwendungen integrieren

Die Parsing-Funktionen von IronPDF lassen sich in verschiedene Anwendungstypen integrieren:

// ASP.NET Core example
public IActionResult ParseUploadedPdf(IFormFile pdfFile)
{
    using var stream = pdfFile.OpenReadStream();
    var pdf = PdfDocument.FromStream(stream);

    var extractedText = pdf.ExtractAllText();

    // Process or store the extracted text
    return Json(new { 
        success = true, 
        textLength = extractedText.Length,
        preview = extractedText.Substring(0, Math.Min(500, extractedText.Length))
    });
}

// Console application example
static void BatchParsePdfs(string folderPath)
{
    var pdfFiles = Directory.GetFiles(folderPath, "*.pdf");

    foreach (var file in pdfFiles)
    {
        var pdf = PdfDocument.FromFile(file);
        var text = pdf.ExtractAllText();

        // Save extracted text
        var textFile = Path.ChangeExtension(file, ".txt");
        File.WriteAllText(textFile, text);

        Console.WriteLine($"Parsed: {Path.GetFileName(file)} - {text.Length} characters");
    }
}
// ASP.NET Core example
public IActionResult ParseUploadedPdf(IFormFile pdfFile)
{
    using var stream = pdfFile.OpenReadStream();
    var pdf = PdfDocument.FromStream(stream);

    var extractedText = pdf.ExtractAllText();

    // Process or store the extracted text
    return Json(new { 
        success = true, 
        textLength = extractedText.Length,
        preview = extractedText.Substring(0, Math.Min(500, extractedText.Length))
    });
}

// Console application example
static void BatchParsePdfs(string folderPath)
{
    var pdfFiles = Directory.GetFiles(folderPath, "*.pdf");

    foreach (var file in pdfFiles)
    {
        var pdf = PdfDocument.FromFile(file);
        var text = pdf.ExtractAllText();

        // Save extracted text
        var textFile = Path.ChangeExtension(file, ".txt");
        File.WriteAllText(textFile, text);

        Console.WriteLine($"Parsed: {Path.GetFileName(file)} - {text.Length} characters");
    }
}
IRON VB CONVERTER ERROR developers@ironsoftware.com
$vbLabelText   $csharpLabel

Diese Beispiele zeigen die Einbindung von PDF-Parsing in Webanwendungen und Stapelverarbeitungsszenarien. Für fortgeschrittene Implementierungen werden async und multithreading Techniken zur Verbesserung der Leistung bei der Verarbeitung mehrerer PDFs erläutert.

Bibliothek Schnellzugriff

Documentation related to Bibliothek Schnellzugriff

Dokumentation

In der API-Referenz finden Sie die Dokumentation zu IronPDF und allen seinen Funktionen.

Dokumentation

Bereit zu sehen, was Sie sonst noch tun können? Besuchen Sie unsere Tutorialseite hier: PDFs bearbeiten

Häufig gestellte Fragen

Wie kann ich in C# den gesamten Text aus einer PDF-Datei extrahieren?

Mit der ExtractAllText-Methode von IronPDF können Sie den gesamten Text aus einer PDF-Datei extrahieren. Laden Sie Ihre PDF-Datei einfach mit IronPdf.FromFile("sample.pdf") und rufen Sie ExtractAllText() auf, um den gesamten Textinhalt unter Beibehaltung der ursprünglichen Formatierung zu extrahieren.

Wie lässt sich eine PDF-Datei in .NET am einfachsten analysieren?

Der einfachste Weg ist die Verwendung von IronPDF mit nur einer Zeile Code: var text = IronPdf.FromFile("sample.pdf").ExtractAllText(). Diese Methode extrahiert jede Textzeile aus dem gesamten PDF-Dokument, wobei nur minimale Einstellungen erforderlich sind.

Kann ich Text aus einer bestimmten Seite einer PDF-Datei extrahieren?

Ja, IronPDF bietet die Methode ExtractTextFromPage, um Text aus einzelnen Seiten zu extrahieren. Dies ermöglicht es Ihnen, bestimmte Abschnitte Ihres PDF-Dokuments zu extrahieren, anstatt den gesamten Inhalt auf einmal.

Wie kann ich passwortgeschützte PDF-Dateien in C# analysieren?

IronPDF unterstützt das Parsen passwortgeschützter PDF-Dateien. Verwenden Sie PdfDocument.FromFile("protected.pdf", "password123"), um das geschützte Dokument zu laden, und rufen Sie dann ExtractAllText() auf, um den Textinhalt zu extrahieren.

Kann ich PDFs von URLs statt von lokalen Dateien analysieren?

Ja, IronPDF kann PDFs direkt aus URLs mit PdfDocument.FromUrl("https://example.com/document.pdf") analysieren. Nachdem Sie die PDF-Datei von der URL geladen haben, verwenden Sie ExtractAllText(), um den Textinhalt zu extrahieren.

Welche Plattformen unterstützt der PDF-Parser?

IronPDF unterstützt PDF-Parsing auf mehreren Plattformen, darunter Windows-Anwendungen, Linux, macOS und Azure-Cloud-Implementierungen, und bietet so umfassende plattformübergreifende Kompatibilität für Ihre .NET-Anwendungen.

Behält der PDF-Parser die Textformatierung während der Extraktion bei?

Ja, die ExtractAllText-Methode von IronPDF behält die ursprüngliche Formatierung des PDF-Inhalts während der Extraktion bei und stellt sicher, dass der geparste Text seine Struktur und sein Layout aus dem Quelldokument beibehält.

Kann ich sowohl Text als auch Bilder aus PDFs extrahieren?

IronPDF unterstützt die Extraktion von Text und Bildern aus PDF-Dokumenten. Neben der ExtractAllText-Methode zur Textextraktion bietet die Bibliothek zusätzliche Funktionen zur Extraktion von Bildern aus bestimmten Abschnitten von PDF-Dokumenten.

Curtis Chau
Curtis Chau
  Jetzt mit dem Ingenieurteam chatten
Technischer Autor

Curtis Chau hat einen Bachelor-Abschluss in Informatik von der Carleton University und ist spezialisiert auf Frontend-Entwicklung mit Expertise in Node.js, TypeScript, JavaScript und React. Leidenschaftlich widmet er sich der Erstellung intuitiver und ästhetisch ansprechender Benutzerschnittstellen und arbeitet gerne mit modernen Frameworks sowie der Erstellung gut strukturierter, optisch ansprechender ...

Weiterlesen
Bereit anzufangen?
Nuget Downloads 16,685,821 | Version: 2025.12 gerade veröffentlicht