PDFsharp Extraire le texte d'un PDF vs IronPDF (Exemple)

PDFsharp

PDFsharp est une bibliothèque .NET open-source conçue pour créer et modifier des documents PDF de manière programmatique. Bien que sa force principale réside dans la génération et la manipulation de PDF, elle fournit également des outils de base pour lire des fichiers PDF existants et extraire du contenu, lorsqu'elle est associée aux bonnes bibliothèques externes.

PDFsharp peut faire plus que créer de nouveaux documents PDF en marche, elle peut être utilisée pour modifier des fichiers PDF existants, fusionner et diviser des documents, ajouter des annotations et plus encore.

IronPDF

IronPDF est une bibliothèque .NET de niveau professionnel conçue pour simplifier le processus de travail avec des documents PDF en C#. It is a feature-rich tool designed for developers building applications that involve PDF generation, manipulation, PDF encryption, convert PDF files, merge PDF pages, HTML to PDF conversion, content extraction, and more.

Avec ses capacités robustes, IronPDF se distingue comme une solution polyvalente pour créer et gérer des PDF dans des projets de petite taille comme dans des applications de niveau entreprise.

IronPDF est conçu pour être compatible avec les frameworks .NET modernes, y compris .NET Core, .NET 5, .NET 6 et .NET 7, ainsi que les versions anciennes comme .NET Framework. Il fonctionne parfaitement sur des systèmes d'exploitation comme Windows, macOS et Linux, et est entièrement compatible avec les environnements Docker, Azure et AWS. Cela garantit que les développeurs peuvent déployer leurs flux de travail PDF sur n'importe quelle plateforme ou service cloud.

Pour l'exemple d'aujourd'hui, nous allons essayer d'extraire du texte de ce document PDF dans Visual Studio :

Extraire du texte d'un fichier PDF à l'aide de PDFsharp

PDFSharp, dans sa version actuelle, ne prend pas en charge nativement l'extraction de texte à partir de documents PDF. Elle est principalement conçue pour créer et manipuler des PDF, comme dessiner des graphiques, ajouter du contenu, et fusionner des documents, mais elle manque d'un mécanisme intégré pour extraire du texte par elle-même, incapable de gérer les caractères spéciaux, l'encodage avancé, etc. Elle peut produire une sortie de texte fragmentée ou incomplète, ou des chaînes vides au lieu du contenu PDF réel. Par exemple :

Si vous avez besoin d'une extraction de texte avancée avec un meilleur support pour différentes polices, encodages et mises en page, vous devrez probablement utiliser une bibliothèque plus spécialisée, telle que :

1. iTextSharp (ou iText 7) : C'est une bibliothèque PDF populaire avec un fort support pour l'extraction et l'analyse de texte.

2. Pdfium : Une autre option qui excelle dans l'extraction de texte, notamment à partir de PDF au format complexe.

Extraire du texte d'un fichier PDF à l'aide d'IronPDF

Voyons maintenant comment l'extraction de texte est gérée avec IronPDF. La fonction d'extraction de texte d'IronPDF offre aux développeurs une méthode concise mais puissante pour extraire du texte à partir de documents PDF de manière efficace, sans avoir besoin de code supplémentaire pour formater correctement la chaîne de données en texte lisible.

using IronPdf;

public class Program
{
    public static void Main(string[] args)
    {
        // Provide the file path to the PDF document
        string pdfPath = @"invoice.pdf"; 

        // Load the PDF document using IronPDF
        var pdf = PdfDocument.FromFile(pdfPath);

        // Extract all text from the PDF
        var extractedText = pdf.ExtractAllText();

        // Output the extracted text to the console
        Console.WriteLine(extractedText);
    }
}

using IronPdf;

public class Program
{
    public static void Main(string[] args)
    {
        // Provide the file path to the PDF document
        string pdfPath = @"invoice.pdf"; 

        // Load the PDF document using IronPDF
        var pdf = PdfDocument.FromFile(pdfPath);

        // Extract all text from the PDF
        var extractedText = pdf.ExtractAllText();

        // Output the extracted text to the console
        Console.WriteLine(extractedText);
    }
}

Imports IronPdf

Public Class Program
	Public Shared Sub Main(ByVal args() As String)
		' Provide the file path to the PDF document
		Dim pdfPath As String = "invoice.pdf"

		' Load the PDF document using IronPDF
		Dim pdf = PdfDocument.FromFile(pdfPath)

		' Extract all text from the PDF
		Dim extractedText = pdf.ExtractAllText()

		' Output the extracted text to the console
		Console.WriteLine(extractedText)
	End Sub
End Class

IronPDF fournit une API simple et efficace pour extraire du texte à partir du chemin PDF donné. Il garantit que le texte extrait est bien structuré et précis, ce qui en fait une option fiable pour les développeurs qui ont besoin de traiter le contenu PDF dans leurs applications.

Comparaison

PDFSharp est une bibliothèque open-source gratuite idéale pour la création et la manipulation de PDF de base, mais elle a des fonctionnalités limitées et a du mal avec les PDF complexes. Bien qu'en théorie, elle puisse être utilisée pour extraire du texte des fichiers PDF, cela nécessiterait une analyse de texte avancée et pourrait produire une sortie fragmentée.

IronPDF offre une solution plus robuste avec des fonctionnalités avancées telles que l'extraction de texte précise, la conversion HTML en PDF, et le support des normes PDF modernes. Il est optimisé pour la performance et la facilité d'utilisation avec une API intuitive. Bien qu'il soit gratuit pour le développement, il offre également des licences commerciales pour ses paliers de licence payante.

Conclusion

PDFsharp et IronPDF sont tous deux des outils précieux pour travailler avec l'extraction de texte à partir de PDF en C#, mais ils répondent à des cas d'utilisation différents :

• PDFSharp est un excellent choix pour les développeurs qui ont besoin d'une bibliothèque open-source gratuite pour la création de base de PDF et l'extraction de texte. Cependant, ses capacités d'extraction de texte sont limitées et peuvent ne pas répondre aux besoins d'applications plus complexes.
• IronPDF, en revanche, excelle dans l'extraction de texte, la conversion HTML en PDF et les tâches d'édition avancée de PDF. Sa facilité d'utilisation, sa compatibilité multiplateforme et sa large gamme de fonctionnalités en font un choix privilégié pour les développeurs gérant des flux de travail PDF de qualité professionnelle.

For a deeper dive into how IronPDF outperforms other libraries, visit the official IronPDF Documentation.