C#でiTextSharpを使用してPDFドキュメントを読む方法:

IronPDFは、より開発者に優しいAPIで、PDFテキストの抽出、操作、および読み取りを簡素化します。 低レベル操作を必要とするiText 7とは異なり、IronPDFは数行のコードでテキスト抽出が可能です。

IronPDFの強力なテキスト抽出ツールを実際に使用してみるために、次のPDFドキュメントを使用してその中のコンテンツを抽出します。

コード例

using IronPdf;

class Program
{
    static void Main()
    {
        string pdfPath = "sample.pdf";

        // Load the PDF document
        var pdf = new PdfDocument(pdfPath);

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

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

using IronPdf;

class Program
{
    static void Main()
    {
        string pdfPath = "sample.pdf";

        // Load the PDF document
        var pdf = new PdfDocument(pdfPath);

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

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

出力

説明:

IronPDFは、高レベルAPIでPDFテキスト抽出を簡素化し、低レベルの操作を不要にします。 数行でIronPDFはPDFから全テキストを抽出し、iText 7よりプロセスを簡略化します。

この例では、PdfDocument クラスが PDF を読み込み、ExtractAllText() メソッドがすべてのテキストをすばやく抽出し、プロセスを合理化します。 これは、個々のページやテキスト要素を手動で処理する必要のあるiText 7に比べて大きな利点です。

IronPDFを他のタスクに拡張する:

基本的なテキスト抽出の例を基に、IronPDFの高レベルAPIは、使いやすさと効率性を維持しつつ、他の一般的なPDFタスクを簡素化します:

特定のページからのテキストの抽出:特定のページまたは範囲からテキストを抽出する必要がある場合、 IronPDF を使用すると簡単に実行できます。 たとえば、最初のページからテキストを抽出するには:

var pdf = new PdfDocument("sample.pdf");

// Access text from the first page
string pageText = pdf.Pages[0].Text;

Console.WriteLine(pageText);

var pdf = new PdfDocument("sample.pdf");

// Access text from the first page
string pageText = pdf.Pages[0].Text;

Console.WriteLine(pageText);

PDF 操作:複数の PDF からテキストまたはデータを抽出した後、それらを 1 つのドキュメントに結合する必要がある場合があります。 IronPDFは複数のPDFを簡単に結合します:

var pdf1 = new PdfDocument("file1.pdf");
var pdf2 = new PdfDocument("file2.pdf");

// Merge the PDFs into a single document
var combinedPdf = PdfDocument.Merge(pdf1, pdf2);

combinedPdf.SaveAs("combined_output.pdf");

var pdf1 = new PdfDocument("file1.pdf");
var pdf2 = new PdfDocument("file2.pdf");

// Merge the PDFs into a single document
var combinedPdf = PdfDocument.Merge(pdf1, pdf2);

combinedPdf.SaveAs("combined_output.pdf");

PDF から HTML への変換:さらに抽出や操作を行うために PDF を HTML に戻す必要がある場合、 IronPDFこの機能も提供されます。

var pdf = new PdfDocument("sample.pdf");

// Convert the PDF to an HTML string
string htmlContent = pdf.ToHtmlString();

var pdf = new PdfDocument("sample.pdf");

// Convert the PDF to an HTML string
string htmlContent = pdf.ToHtmlString();

IronPDFを用いることで、テキストの抽出は始まりにすぎません。 ライブラリのシンプルで強力なAPIは、さまざまなPDF操作タスクにわたって拡張され、直感的で使いやすい形式でワークフローに統合することができます。

iText 7では、PDFリーダー、ストリーム、およびバイトレベルのデータ処理を操作する必要があります。 テキストを抽出することは簡単ではなく、PDFページを反復し様々な構造を手動で扱うことが含まれます。 このコード例では、IronPDFセクションで使用したのと同じPDFドキュメントを使用します。

using iText.Kernel.Pdf;
using iText.Kernel.Pdf.Canvas.Parser;

class Program
{
    static void Main()
    {
        string pdfPath = "sample.pdf";
        string extractedText = ExtractTextFromPdf(pdfPath);
        Console.WriteLine(extractedText);
    }

    // Method to extract text from a PDF
    static string ExtractTextFromPdf(string pdfPath)
    {
        // Use PdfReader to load the PDF
        using (PdfReader reader = new PdfReader(pdfPath))
        // Open the PDF document for processing
        using (iText.Kernel.Pdf.PdfDocument pdfDoc = new iText.Kernel.Pdf.PdfDocument(reader))
        {
            string text = "";
            // Iterate through each page and extract text
            for (int i = 1; i <= pdfDoc.GetNumberOfPages(); i++)
            {
                text += PdfTextExtractor.GetTextFromPage(pdfDoc.GetPage(i)) + Environment.NewLine;
            }
            return text;
        }
    }
}

using iText.Kernel.Pdf;
using iText.Kernel.Pdf.Canvas.Parser;

class Program
{
    static void Main()
    {
        string pdfPath = "sample.pdf";
        string extractedText = ExtractTextFromPdf(pdfPath);
        Console.WriteLine(extractedText);
    }

    // Method to extract text from a PDF
    static string ExtractTextFromPdf(string pdfPath)
    {
        // Use PdfReader to load the PDF
        using (PdfReader reader = new PdfReader(pdfPath))
        // Open the PDF document for processing
        using (iText.Kernel.Pdf.PdfDocument pdfDoc = new iText.Kernel.Pdf.PdfDocument(reader))
        {
            string text = "";
            // Iterate through each page and extract text
            for (int i = 1; i <= pdfDoc.GetNumberOfPages(); i++)
            {
                text += PdfTextExtractor.GetTextFromPage(pdfDoc.GetPage(i)) + Environment.NewLine;
            }
            return text;
        }
    }
}

出力

説明:

• PdfReader は PDF ファイルを読み取り用に読み込みます。
• PdfDocument オブジェクトを使用すると、ページを反復処理できます。
• PdfTextExtractor.GetTextFromPage() は各ページからテキストを取得します。
• 最終的なテキストは文字列に格納され、表示されます。

この方法は機能しますが、手動の反復が必要で、構造化されたドキュメントやスキャンされたPDFに対して面倒です。