C# Extraire le Texte du PDF (Exemple de Code Tutoriel)

1. Fonctionnalités d'IronPDF

IronPDF est un convertisseur PDF robuste qui peut effectuer presque toutes les opérations qu'un navigateur peut. Créer, lire et manipuler des documents PDF est simple avec la bibliothèque .NET pour les développeurs. IronPDF convertit les documents HTML en PDF en utilisant le moteur Chrome. IronPDF supporte HTML, ASPX, Razor HTML, et MVC View, entre autres composants web. L'application Microsoft .NET est supportée par IronPDF (à la fois les applications Web ASP.NET et les applications Windows traditionnelles). IronPDF peut également être utilisé pour créer un document PDF visuellement attrayant.

Nous pouvons créer un document PDF à partir de HTML5, JavaScript, CSS et d'images avec IronPDF. De plus, les fichiers peuvent avoir des en-têtes et des pieds de page. Grâce à IronPDF, nous pouvons facilement lire un document PDF. IronPDF possède également un moteur de conversion PDF complet et un puissant convertisseur HTML en PDF capable de traiter les documents PDF.

• Création de PDF : Générez des PDF à partir de HTML, JavaScript, CSS, images ou URL. Ajoutez des en-têtes, pieds de page, signets, filigranes et autres éléments personnalisés pour améliorer le design.
• Conversion HTML en PDF : Convertissez les vues HTML, Razor/MVC et les fichiers CSS de type média directement en format PDF.
• Fonctionnalités interactives de PDF : Construisez, remplissez et soumettez des formulaires PDF interactifs.
• Extraction de texte et d'images : Extrayez le texte ou les images des documents PDF existants pour le traitement des données ou la réutilisation.
• Manipulation de documents : Fusionnez, divisez, et réorganisez les pages dans des fichiers PDF nouveaux ou existants.
• Gestion des images et des pages : Rasterisez les pages PDF en images et convertissez les images en format PDF.
• Travailler avec des identifiants de connexion personnalisés : IronPDF est capable de créer un document à partir d'une URL. Il prend également en charge des identifiants de connexion réseau personnalisés, des agents utilisateurs, des proxys, des cookies, des en-têtes HTTP et des variables de formulaire pour la connexion derrière les formulaires de connexion HTML.
• Recherche et accessibilité : Cherchez du texte dans les documents PDF et assurez-vous qu'ils répondent aux normes d'accessibilité.
• Polyvalence de conversion : Transformez les PDF en d'autres formats comme HTML et travaillez avec les fichiers CSS pour générer des PDF.
• Fonctionnalité autonome : Fonctionne de manière indépendante sans nécessiter Adobe Acrobat ou d'autres outils tiers.

2. Créer un nouveau projet dans Visual Studio

Ouvrez le logiciel Visual Studio et accédez au menu Fichier. Sélectionnez « Nouveau projet », puis sélectionnez « Application console ». Dans cet article, nous allons utiliser une application console pour générer des documents PDF.

Créer un nouveau projet dans Visual Studio

Entrez le nom du projet et sélectionnez le chemin fichier dans la boîte de texte appropriée. Ensuite, cliquez sur le bouton Créer et sélectionnez le .NET Framework requis, comme dans la capture d'écran ci-dessous.

Configurer un nouveau projet dans Visual Studio

Le projet Visual Studio générera maintenant la structure pour l'application sélectionnée, et si vous avez sélectionné l'application Console, Windows et Web, il ouvrira le fichier program.cs où vous pourrez saisir le code et construire/exécuter l'application.

Sélection du .NET Core

Ensuite, nous pouvons ajouter la bibliothèque pour tester le code.

3. Installer la bibliothèque IronPDF

La bibliothèque IronPDF peut être téléchargée et installée de quatre manières.

Ce sont :

• Utilisation de Visual Studio.
• Utilisation de la ligne de commande Visual Studio.
• Téléchargement direct depuis le site NuGet.
• Téléchargement direct depuis le site IronPDF.

Install-Package IronPdf

4. Extraction de texte avec IronPDF

Le programme IronPDF nous permet de réaliser l'extraction de texte du fichier PDF et de convertir les pages PDF en objets PDF. Ce qui suit est un exemple de comment utiliser IronPDF pour lire un PDF existant.

La première approche est d'extraire du texte d'un PDF et l'extrait de code exemple est ci-dessous.

using IronPdf;

// Load an existing PDF document from a file
var pdfDocument = PdfDocument.FromFile("result.pdf");

// Extract all text from the entire PDF document
string allText = pdfDocument.ExtractAllText();

using IronPdf;

// Load an existing PDF document from a file
var pdfDocument = PdfDocument.FromFile("result.pdf");

// Extract all text from the entire PDF document
string allText = pdfDocument.ExtractAllText();

Imports IronPdf

' Load an existing PDF document from a file
Private pdfDocument = PdfDocument.FromFile("result.pdf")

' Extract all text from the entire PDF document
Private allText As String = pdfDocument.ExtractAllText()

La méthode statique FromFile est utilisée pour charger le document PDF à partir d'un fichier existant et le transformer en objets PDFDocument, comme montré dans le code ci-dessus. Nous pouvons lire le texte et les images accessibles sur les pages PDF en utilisant cet objet. L'objet a une méthode appelée ExtractAllText qui extrait tout le texte de l'intégralité du document PDF, puis conserve le texte extrait dans la chaîne que nous pouvons utiliser pour le traitement.

Ci-dessous est l'exemple de code pour la deuxième méthode que nous pouvons utiliser pour extraire le texte d'un fichier PDF, page par page.

using IronPdf;

// Load an existing PDF document from a file
using PdfDocument pdf = PdfDocument.FromFile("result.pdf");

// Loop through each page of the PDF document
for (var index = 0; index < pdf.PageCount; index++)
{
    // Extract text from the current page
    string text = pdf.ExtractTextFromPage(index);
}

using IronPdf;

// Load an existing PDF document from a file
using PdfDocument pdf = PdfDocument.FromFile("result.pdf");

// Loop through each page of the PDF document
for (var index = 0; index < pdf.PageCount; index++)
{
    // Extract text from the current page
    string text = pdf.ExtractTextFromPage(index);
}

Imports IronPdf

' Load an existing PDF document from a file
Private PdfDocument As using

' Loop through each page of the PDF document
For index = 0 To pdf.PageCount - 1
	' Extract text from the current page
	Dim text As String = pdf.ExtractTextFromPage(index)
Next index

Dans le code ci-dessus, nous voyons qu'il chargera d'abord l'intégralité du document PDF et le convertira en un objet PDF. Ensuite, nous obtenons le nombre de pages de l'ensemble du document PDF en utilisant une propriété intégrée appelée PageCount, qui récupère le nombre total de pages disponibles dans le document PDF chargé. Utiliser la boucle "for" et la fonction ExtractTextFromPage nous permet de passer le numéro de page en tant que paramètre pour extraire le texte du document chargé. Il conservera ensuite le texte exact dans la variable de chaîne. De même, il extraira le texte de la page PDF, page par page, à l'aide de la boucle "for" ou "for each".

5. Conclusion

IronPDF est une bibliothèque PDF polyvalente et puissante conçue pour rendre le travail avec les PDF dans les applications .NET transparent. Ses fonctionnalités robustes permettent aux développeurs de créer, manipuler et extraire le contenu des PDF sans dépendre des dépendances tierces comme Adobe Reader. L'une des capacités exceptionnelles d'IronPDF est sa capacité à extraire du texte de documents PDF. Cette fonctionnalité est inestimable pour automatiser des tâches telles que l'analyse de données, l'indexation de documents, la migration de contenu et l'activation de fonctionnalités d'accessibilité. En permettant aux développeurs de récupérer et traiter du texte de manière programmatique, IronPDF simplifie les flux de travail et ouvre de nouvelles possibilités pour la gestion du contenu PDF.

Avec une intégration simple et un support multiplateforme, IronPDF est un excellent choix pour les développeurs cherchant à gérer efficacement les documents PDF. De plus, IronPDF offre un essai gratuit, vous permettant d'explorer toute sa gamme de fonctionnalités sans risque avant de vous engager. Pour les détails sur les prix et pour en savoir plus sur les options de licence, visitez la page des prix.