Comment extraire des données d'un PDF en C#

Créer ou Ouvrir un Projet C# dans Visual Studio

Ce tutoriel recommande d'utiliser la dernière version de Visual Studio.

Une fois Visual Studio ouvert, suivez les étapes ci-dessous pour créer un nouveau Projet C#. Si vous avez un projet existant que vous souhaitez utiliser, alors passez ces prochaines étapes et passez directement à la section suivante.

• Ouvrir Visual Studio
• Cliquez sur le bouton "Créer un nouveau projet".

Interface d'ouverture de Visual Studio

• Sélectionnez l'"Application Console C#" parmi les modèles.

Créer un nouveau projet

• Donnez un nom au Projet et cliquez sur le bouton Suivant.
• Sélectionnez un Framework .NET selon les besoins de votre projet et cliquez sur le bouton Créer.

Sélection du framework .NET

Visual Studio va maintenant générer un nouveau projet C# .NET.

Installer la Bibliothèque IronPDF

Install-Package IronPdf

Extraire les Données des Fichiers PDF

Voyons le code suivant pour extraire des données à l'aide d'IronPDF :

// Import necessary namespaces
using IronPdf;
using System.Collections.Generic;
using System.Drawing;

public class PDFExtractor
{
    public void ExtractDataFromPDF()
    {
        // Open a 128-bit encrypted PDF file by providing the filename and password
        using PdfDocument pdf = PdfDocument.FromFile("encrypted.pdf", "password");

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

        // Extract all images from the PDF document
        IEnumerable<Image> allImages = pdf.ExtractAllImages();

        // Iterate over each page in the PDF document
        for (var index = 0; index < pdf.PageCount; index++)
        {
            int pageNumber = index + 1;

            // Extract text from the specific page
            string text = pdf.ExtractTextFromPage(index);

            // Extract images from the specific page
            IEnumerable<Image> images = pdf.ExtractImagesFromPage(index);

            // Code to process the extracted text and images
            //...
        }
    }
}

// Import necessary namespaces
using IronPdf;
using System.Collections.Generic;
using System.Drawing;

public class PDFExtractor
{
    public void ExtractDataFromPDF()
    {
        // Open a 128-bit encrypted PDF file by providing the filename and password
        using PdfDocument pdf = PdfDocument.FromFile("encrypted.pdf", "password");

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

        // Extract all images from the PDF document
        IEnumerable<Image> allImages = pdf.ExtractAllImages();

        // Iterate over each page in the PDF document
        for (var index = 0; index < pdf.PageCount; index++)
        {
            int pageNumber = index + 1;

            // Extract text from the specific page
            string text = pdf.ExtractTextFromPage(index);

            // Extract images from the specific page
            IEnumerable<Image> images = pdf.ExtractImagesFromPage(index);

            // Code to process the extracted text and images
            //...
        }
    }
}

' Import necessary namespaces
Imports IronPdf
Imports System.Collections.Generic
Imports System.Drawing

Public Class PDFExtractor
	Public Sub ExtractDataFromPDF()
		' Open a 128-bit encrypted PDF file by providing the filename and password
		Using pdf As PdfDocument = PdfDocument.FromFile("encrypted.pdf", "password")
	
			' Extract all text from the PDF document
			Dim allText As String = pdf.ExtractAllText()
	
			' Extract all images from the PDF document
			Dim allImages As IEnumerable(Of Image) = pdf.ExtractAllImages()
	
			' Iterate over each page in the PDF document
			For index = 0 To pdf.PageCount - 1
				Dim pageNumber As Integer = index + 1
	
				' Extract text from the specific page
				Dim text As String = pdf.ExtractTextFromPage(index)
	
				' Extract images from the specific page
				Dim images As IEnumerable(Of Image) = pdf.ExtractImagesFromPage(index)
	
				' Code to process the extracted text and images
				'...
			Next index
		End Using
	End Sub
End Class

Dans cet exemple de code :

1. La méthode FromFile est utilisée pour charger le document PDF d'entrée, qui est chiffré et nécessite un mot de passe.
2. La méthode ExtractAllText extrait tout le contenu textuel du PDF.
3. La méthode ExtractAllImages récupère toutes les images intégrées.
4. Une boucle parcourt chaque page du document pour extraire le texte et les images de cette page spécifique en utilisant ExtractTextFromPage et ExtractImagesFromPage.