Leer archivos PDF en C#

VB C#

using IronPdf;
using IronSoftware.Drawing;
using System.Collections.Generic;

// Extracting Image and Text content from Pdf Documents

// open a 128 bit encrypted PDF
var pdf = PdfDocument.FromFile("encrypted.pdf", "password");

// Get all text to put in a search index
string text = pdf.ExtractAllText();

// Get all Images
var allImages = pdf.ExtractAllImages();

// Or even find the precise text and images for each page in the document
for (var index = 0 ; index < pdf.PageCount ; index++)
{
    int pageNumber = index + 1;
    text = pdf.ExtractTextFromPage(index);
    List<AnyBitmap> images = pdf.ExtractBitmapsFromPage(index);
    //...
}

Imports IronPdf
Imports IronSoftware.Drawing
Imports System.Collections.Generic

' Extracting Image and Text content from Pdf Documents

' open a 128 bit encrypted PDF
Private pdf = PdfDocument.FromFile("encrypted.pdf", "password")

' Get all text to put in a search index
Private text As String = pdf.ExtractAllText()

' Get all Images
Private allImages = pdf.ExtractAllImages()

' Or even find the precise text and images for each page in the document
For index = 0 To pdf.PageCount - 1
	Dim pageNumber As Integer = index + 1
	text = pdf.ExtractTextFromPage(index)
	Dim images As List(Of AnyBitmap) = pdf.ExtractBitmapsFromPage(index)
	'...
Next index

Install-Package IronPdf

Leer archivos PDF en C#

El método PdfDocument.ExtractAllText de la biblioteca de PDF IronPDF C# es perfecto para tareas estándar de lectura de texto en PDF. Este método gestiona sin problemas las discrepancias de espacios en blanco y codificación en los documentos PDF de origen.

PdfDocument.ExtractTextFromPage lee el texto de páginas específicas de un PDF. En el ejemplo anterior, vemos que se utiliza de forma iterativa para recuperar contenido de texto de un rango específico de páginas.

IronPDF también puede extraer imágenes sin procesar de los PDF. Para esto, utiliza cualquiera de los métodos de la clase PdfDocument a continuación:

ExtractAllImages: devuelve todas las imágenes incrustadas en un PDF como objetos IronSoftware.Drawing.AnyBitmap.
ExtractAllRawImages: recupera todas las imágenes incrustadas como una lista de bytes en bruto (byte []).
ExtractImagesFromPage: extrae las imágenes contenidas en una página indexada.
ExtractImagesFromPages: igual que ExtractImagesFromPage, pero desde un rango de páginas específico o una lista de páginas individuales.
ExtractRawImagesFromPage y ExtractRawImagesFromPages: funcionan de la misma manera que los dos métodos anteriores, pero devuelven las imágenes extraídas como matrices de bytes en lugar de como objetos IronSoftware.Drawing.AnyBitmap.
Cómo leer archivos PDF en C#
1. Descargar la biblioteca IronPDF para C#
2. Extraer imágenes o texto de un PDF
3. Leer y encontrar palabras en documentos específicos
4. Ver la salida PDF del documento original