Leer archivos PDF en C#

import {PdfDocument} from "@ironsoftware/ironpdf";

(async () => {
    // Extracting Image and Text content from Pdf Documents
    // Import existing PDF document
    const pdf = await PdfDocument.fromHtml("old_report.pdf");
    
    // Get all text to put in a search index
    const text = await pdf.extractText();
    
    // Get all Images
    const imagesBuffer = await pdf.extractRawImages();
    
    const pageCount = await pdf.getPageCount()
    // Or even find the precise text and images for each page in the document
    for (let index = 0; index < pageCount; index++) {
        text = await pdf.extractText([index]);
        imagesBuffer = await pdf.extractRawImages([index]);
    }
})();

Leer archivos PDF en C#

La extracción de texto e imágenes puede facilitar la migración de datos al pasar de un formato de documento a otro. El contenido extraído puede conservarse en un formato más accesible y editable, lo que reduce el riesgo de pérdida de datos.

Las imágenes y el texto incrustados pueden extraerse independientemente del documento PDF. El texto extraído estará en una cadena normal, mientras que las imágenes extraídas estarán en formato de búfer de imagen y podrán exportarse o procesarse posteriormente.

Utilice el método extractText para extraer texto y el método extractRawImages para extraer imágenes de un documento PDF.

Para obtener instrucciones más detalladas sobre cómo utilizar estos métodos, visite la páginaDocumentación de IronPDF.