Lire les fichiers PDF en C#

VBC#

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
Dim pdf = PdfDocument.FromFile("encrypted.pdf", "password")

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

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

' Or even find the precise text and images for each page in the document
For index As Integer = 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

PM > Install-Package IronPdf

Install-Package IronPdf

Lire les fichiers PDF en C#

La méthode PdfDocument.ExtractAllText de la bibliothèque PDF IronPDF en C# est parfaite pour les tâches de lecture de texte PDF pur. Cette méthode gère les écarts d'espacement et de codage dans les documents PDF source sans aucun problème.

PdfDocument.ExtractTextFromPage lit le texte des pages spécifiques d'un PDF. Dans l'exemple ci-dessous, nous le voyons utilisé de manière itérative pour récupérer le contenu textuel d'une plage spécifique de pages.

IronPDF peut également extraire des images brutes à partir de PDFs. Pour cela, utilisez l'une des méthodes de la classe PdfDocument ci-dessous :

ExtractAllImages : retourne toutes les images intégrées dans un PDF comme objets IronSoftware.Drawing.AnyBitmap.
ExtractAllRawImages : récupère toutes les images intégrées sous forme de liste de bytes bruts (byte[]).
ExtractImagesFromPage : extrait les images contenues sur une page indexée.
ExtractImagesFromPages : comme ExtractImagesFromPage, mais à partir d'une plage de pages spécifique ou d'une liste de pages individuelles.
ExtractRawImagesFromPage et ExtractRawImagesFromPages : fonctionne de la même manière que les deux méthodes précédentes, mais retourne les images extraites sous forme de tableaux de bytes plutôt que d'objets IronSoftware.Drawing.AnyBitmap.