C# Convertir PDF a Texto (Ejemplo de Código)

Este artículo describe el proceso para que los desarrolladores .NET conviertan archivos PDF a formato TXT para un acceso más eficaz.

Temas tratados en el tutorial

• IronPDF
• Pasos para crear archivos PDF mediante programación
• Paso 1: Crear un proyecto C

• Paso 2: Instalar la biblioteca IronPDF

  • Método 1: Gestor de paquetes NuGet

  • Método 2: Consola del gestor de paquetes NuGet
• Método 3: Utilizar el archivo DLL
• Paso 3: Añadir el espacio de nombres IronPDF
• Paso 4: Convertir PDF en texto
• Salida
• Conclusión

IronPDF

IronPDF es una biblioteca .NET para la generación de PDF. Es una biblioteca .NET nativa y no depende de DLL externas u otras herramientas. IronPDF es una biblioteca multiplataforma escrita en C# y .NET que ofrece toda la funcionalidad necesaria para trabajar con documentos PDF. Contiene renderizado de documentos, edición de formularios, extracción de texto, cifrado de archivos y otras funciones. Todas estas operaciones pueden realizarse a través de una API intuitiva que ha sido ampliamente probada en varias plataformas como Windows Forms, WPF, ASP.NET MVC, etc.

La versión actual de IronPDF proporciona un acceso sencillo a estas funciones:

• Generación de PDF
• Cifrado de PDF
• Campos de formulario PDF con plantillas y lógica de validación
• Extracción de texto de PDFs (OCR)

• Formularios rellenables

  Acceso de solo lectura a los internos del documento (vista, navegación, anotaciones):

  Acceso a los metadatos y propiedades del documento (título, palabras clave, autor, tema):

  IronPDF también contiene algunas clases auxiliares adicionales que ayudan con la conversión de documentos HTML en archivos PDF completamente formateados con extracción de texto. IronPDF proporciona API muy sencillas para convertir PDF en un archivo de texto.

  Empecemos por cómo utilizar la biblioteca IronPDF para convertir un documento PDF en un archivo de texto.

Pasos para convertir un documento PDF en un archivo de texto

El primer paso es crear un proyecto C# en Visual Studio. Puede elegir cualquier plantilla de aplicación C# según sus necesidades. Para simplificar, este tutorial utilizará la plantilla Aplicación de consola. Puede utilizar un proyecto C# ya existente para convertir archivos PDF a TXT.

Paso 1: Crear un proyecto C&num

Cree un proyecto C# en Visual Studio o abra un proyecto existente. Se recomienda utilizar la última versión de Visual Studio para trabajar sin problemas. Siga los pasos indicados para crear un proyecto C# en Visual Studio.

1. Abre Visual Studio.

2. Seleccione la plantilla C# Console Application o abra un proyecto existente.

3. Dé un nombre apropiado al proyecto.

4. Seleccione la versión 6.0 de .NET Framework. Este es el marco más reciente y estable de .NET, pero puede elegir cualquier otro .NET Framework en función de sus necesidades.

Paso 2: Instalar la biblioteca IronPDF

IronPDF también cuenta con un sencillo proceso de instalación que acelera el tiempo de desarrollo y reduce la confusión. La biblioteca IronPDF ofrece múltiples formas de instalación:

• Uso del gestor de paquetes NuGet
• Uso de la consola del gestor de paquetes NuGet
• Por archivo DLL

Método 1: Gestor de paquetes NuGet

Para utilizar el Gestor de paquetes NuGet, siga los pasos indicados para abrir la pestaña Gestor de paquetes.

Abra el proyecto de C# y haga clic en Herramientas > Administrador de paquetes NuGet > Administrar paquetes NuGet para la solución.

Navega al Administrador de Paquetes de NuGet

• Ahora vaya a la pestaña Examinar y busque IronPDF.

• Seleccione IronPDF de los resultados de búsqueda y haga clic en Instalar. Esto instalará la librería IronPDF permitiendo que el proyecto sea utilizado con la librería IronPDF.

  

  Paquete IronPdf del resultado de búsqueda del Administrador de paquetes NuGet

Método 2: Consola del gestor de paquetes NuGet

La instalación de la biblioteca IronPDF con Package Manager Console es la forma más sencilla. Sigue estos sencillos pasos:

• Abra la consola del gestor de paquetes.
• Escribe la siguiente línea en la consola y pulsa intro. Esto instalará inmediatamente la biblioteca IronPDF.

Install-Package IronPdf

El progreso de la instalación mostrado en la interfaz de usuario de la consola del Administrador de paquetes NuGet

Método 3: Utilizar un archivo DLL

Puedes descargar el archivo DLL de IronPDF desde el sitio web de Iron Software. Una vez que la descarga esté completa, úsalo en tu proyecto como referencia.

Visite la guía de instalación de IronPDF para obtener una guía de instalación más detallada.

La instalación de la biblioteca IronPDF ha finalizado. Los siguientes pasos le guiarán para convertir un archivo PDF en un archivo de texto.

Paso 3: Añadir el espacio de nombres IronPDF

Para utilizar IronPDF, es necesario añadir el espacio de nombres IronPDF a cada archivo de código. Escriba la siguiente línea de código al principio de cada archivo de código relacionado. Le permitirá utilizar las características de IronPDF en su programa.

using IronPdf;

using IronPdf;

Imports IronPdf

Paso 4: Convertir el documento PDF en un archivo de texto

Ahora tenemos que convertir el archivo PDF en un archivo TXT o extraer sólo texto. Por lo tanto, escriba el siguiente código de ejemplo en su archivo de código:

using IronPdf;
using System.Drawing;

// Extracting image and text content from PDF Document

// Open a 128-bit encrypted PDF
using PdfDocument pdf = PdfDocument.FromFile("encrypted.pdf", "password");
// Get all text to put in a search index
string allText = pdf.ExtractAllText();
Console.WriteLine(allText);

using IronPdf;
using System.Drawing;

// Extracting image and text content from PDF Document

// Open a 128-bit encrypted PDF
using PdfDocument pdf = PdfDocument.FromFile("encrypted.pdf", "password");
// Get all text to put in a search index
string allText = pdf.ExtractAllText();
Console.WriteLine(allText);

Imports IronPdf
Imports System.Drawing

' Extracting image and text content from PDF Document

' Open a 128-bit encrypted PDF
Private PdfDocument As using
' Get all text to put in a search index
Private allText As String = pdf.ExtractAllText()
Console.WriteLine(allText)

Primero, abre el documento PDF usando la función FromFile de la clase PdfDocument. En los parámetros, pase el nombre del archivo y la contraseña (si la hay). Después de eso, utiliza la función ExtractAllText para extraer todo el texto del archivo PDF y almacenarlo en una variable llamada allText. A continuación, muestre el texto de salida en la consola

Salida

El texto extraído del documento PDF

Este es el texto de salida extraído por IronPDF. Es el mismo texto que se ve en el archivo PDF, lo que demuestra que la precisión de IronPDF es muy exacta.

Conclusión

Este artículo muestra cómo extraer fácilmente texto de archivos PDF utilizando la biblioteca PDF .NET de IronPDF. Esto se logró escribiendo sólo unas pocas líneas de código y con un alto porcentaje de precisión. Además, IronPDF también tiene muchas funciones útiles, como la conversión de HTML a PDF, herramientas de formateo de PDF y muchas más funciones básicas de PDF que son imprescindibles para la edición de PDF. IronPDF también elimina la dependencia de Adobe Acrobat.

IronPDF is free for development purposes and also offers a free trial for production testing. IronPDF ofrece una variedad de planes de precios que usted puede obtener de acuerdo a sus necesidades. El precio de IronPDF es relativamente inferior al de sus competidores. Con precios que varían de particulares a grandes empresas, resulta ser una compra atractiva con un rendimiento impresionante.

Los planes de precios para la Suite de Iron Software

Además, Iron Software ofrece una suite de cinco paquetes de Iron Software por el precio de sólo dos. Por favor, visite los detalles de la licencia de Iron Software para más información.