Cómo Leer Archivos PDF en C#

Paso 1: Instalar el paquete IronPDF

Para comenzar, necesitará instalar el paquete NuGet de IronPDF en su proyecto .NET. Puede hacer esto abriendo la Consola del Administrador de Paquetes en Visual Studio e ingresar el siguiente comando:

Install-Package IronPdf

Paso 2: Importar la biblioteca IronPDF

A continuación, debe importar la biblioteca IronPDF en su código añadiendo la siguiente declaración al comienzo de su archivo:

using IronPdf;

using IronPdf;

Imports IronPdf

Paso 3: Cargar el documento PDF

Una vez que haya importado la biblioteca IronPDF, puede cargar un documento PDF en su código utilizando el siguiente código:

// Load the PDF document from file path
PdfDocument pdf = PdfDocument.FromFile(@"C:\dotnet.pdf");

// Define the output path for the saved PDF
var outputPath = "Example.pdf";

// Save the PDF document to the specified output path
pdf.SaveAs(outputPath);

// Load the PDF document from file path
PdfDocument pdf = PdfDocument.FromFile(@"C:\dotnet.pdf");

// Define the output path for the saved PDF
var outputPath = "Example.pdf";

// Save the PDF document to the specified output path
pdf.SaveAs(outputPath);

' Load the PDF document from file path
Dim pdf As PdfDocument = PdfDocument.FromFile("C:\dotnet.pdf")

' Define the output path for the saved PDF
Dim outputPath = "Example.pdf"

' Save the PDF document to the specified output path
pdf.SaveAs(outputPath)

Paso 4: Extraer texto del PDF

IronPDF proporciona una variedad de métodos para extraer texto de un archivo PDF existente. Por ejemplo, puede comenzarse a extraer texto de un PDF e imprimirlo en la consola utilizando el siguiente fragmento de código:

// Extract text from the loaded PDF document
string text = pdf.ExtractText();

// Print the extracted text to the console
Console.WriteLine(text);

// Extract text from the loaded PDF document
string text = pdf.ExtractText();

// Print the extracted text to the console
Console.WriteLine(text);

' Extract text from the loaded PDF document
Dim text As String = pdf.ExtractText()

' Print the extracted text to the console
Console.WriteLine(text)

Usando el código anterior, puede extraer texto de un archivo PDF.

Extrayendo Texto de un PDF Usando IronPDF

Paso 5: Rasterizar un PDF en imágenes

Vamos a rasterizar el archivo PDF a Imágenes con IronPDF usando IronPDF. Primero, importe las bibliotecas requeridas:

using System.Linq;
using IronPdf;
using IronSoftware.Drawing;

using System.Linq;
using IronPdf;
using IronSoftware.Drawing;

Imports System.Linq
Imports IronPdf
Imports IronSoftware.Drawing

El código luego utiliza el método RasterizeToImageFiles para extraer todas las páginas del documento PDF a una carpeta como archivos de imagen. Las imágenes extraídas pueden guardarse como archivos PNG o JPG, y las dimensiones y rangos de páginas de las imágenes también pueden especificarse.

// Extract all pages to a folder as image files with PNG format
pdf.RasterizeToImageFiles(@"C:\image\folder\*.png");

// Extract all pages to JPG images with specified dimensions
pdf.RasterizeToImageFiles(@"C:\image\folder\example_pdf_image_*.jpg", 100, 80);

// Extract all pages to a folder as image files with PNG format
pdf.RasterizeToImageFiles(@"C:\image\folder\*.png");

// Extract all pages to JPG images with specified dimensions
pdf.RasterizeToImageFiles(@"C:\image\folder\example_pdf_image_*.jpg", 100, 80);

' Extract all pages to a folder as image files with PNG format
pdf.RasterizeToImageFiles("C:\image\folder\*.png")

' Extract all pages to JPG images with specified dimensions
pdf.RasterizeToImageFiles("C:\image\folder\example_pdf_image_*.jpg", 100, 80)

Finalmente, el código utiliza el método ToBitmap para extraer todas las páginas del documento PDF como objetos AnyBitmap, que pueden procesarse y manipularse más en el código.

// Extract all pages as AnyBitmap objects for further processing
AnyBitmap[] pdfBitmaps = pdf.ToBitmap();

// Extract all pages as AnyBitmap objects for further processing
AnyBitmap[] pdfBitmaps = pdf.ToBitmap();

' Extract all pages as AnyBitmap objects for further processing
Dim pdfBitmaps() As AnyBitmap = pdf.ToBitmap()

El código anterior demuestra cómo extraer el contenido de un archivo PDF usando IronPDF y guardar los datos extraídos como archivos de imagen u objetos AnyBitmap para procesamiento posterior.

Paso 7: Manipular páginas PDF

Aprendamos cómo manipular las páginas de un documento PDF trabajando con IronPDF.

El código primero elimina las páginas dos y tres del documento PDF usando el método RemovePages:

// Remove pages two and three from the PDF document
pdf.RemovePages(1, 2);

// Remove pages two and three from the PDF document
pdf.RemovePages(1, 2);

' Remove pages two and three from the PDF document
pdf.RemovePages(1, 2)

El método RemovePages toma dos argumentos: la página inicial a eliminar (en este caso, página 2, representada como 1 ya que la numeración de páginas comienza en 0) y el número de páginas a eliminar (en este caso, 2 páginas).

Paso 6: Guardar el PDF

Finalmente, puede guardar el archivo PDF en su sistema local usando el método SaveAs. El código para guardar el archivo PDF es el siguiente:

// Save the PDF document to a specified output path
pdf.SaveAs(outputPath);

// Save the PDF document to a specified output path
pdf.SaveAs(outputPath);

' Save the PDF document to a specified output path
pdf.SaveAs(outputPath)