このチュートリアルでは、2 つの異なる PDF ライブラリを使用して、C# で PDF (Portable Document Format) ドキュメントからテキストを抽出する方法について説明します。

今日の現代の Web 時代では、PDF ファイルからテキストや画像を抽出して解析し、読み取ることができるライブラリが数多く存在します。 本日は、強力なPDFライブラリであるIronPDFとQuestPDFを使って、PDFファイルからテキストを抽出します。これら2つのライブラリが単純なテキスト抽出タスクをどのように処理するかを比較することで、高度なPDFタスクの処理にどちらが適しているかを判断できます。 比較セクションに入る前に、まずは各ライブラリの簡単な紹介を見てみましょう。

クエストPDF

QuestPDF は、.NET 開発者向けに特別に設計された最先端のオープンソース PDF 生成ライブラリです。 最新の宣言型 API を利用することで、ユーザーは複雑な PDF レイアウトを非常に柔軟かつ正確に定義および生成できます。 QuestPDF の主な焦点はテキスト抽出ではなくドキュメント生成ですが、ドキュメントを最初から構築し、ドキュメント内のさまざまな要素を操作するための、明確で直感的なアプローチを提供します。 そのため、カスタマイズされた動的な PDF コンテンツを必要とするアプリケーションに特に適しています。

IronPDF

IronPDF は、C# で PDF をより簡単に、より効率的に操作できるように設計された多目的の PDF 処理ライブラリです。 QuestPDF とは異なり、IronPDF は PDF の生成と操作の両方に特化して構築されています。 提供される機能には、PDF暗号化、既存の PDF の編集と注釈の広範なサポート、さまざまなドキュメントの PDF 形式への変換、ヘッダーとフッターの追加 (ページ番号の表示に使用可能)、ドキュメント メタデータの編集、マルチスレッドと非同期のサポート、高度な PDF 変換ツールなどがあります。

IronPDF は豊富な機能に加え、完全なクロスプラットフォーム サポートを提供し、.NET 5/6/7、.NET Core、.NET Framework をサポートします。 また、Windows、macOS、Linux、Azure や AWS などのクラウド プラットフォームと完全に互換性があるため、クロスプラットフォームの .NET アプリケーションに最適です。

今日の例では、両方のライブラリを使用して、サンプルの請求書 PDF ドキュメントからテキストを抽出します。

まず、QuestPDF がこのタスクを処理できるかどうかを確認します。

クエストPDF を使用して PDF ファイルからテキストを抽出する

残念ながら、QuestPDF は PDF 作成の処理と特定の PDF タスクのパフォーマンスに優れていますが、テキスト抽出は現在提供されている機能の中に含まれていません。 QuestPDF は、本質的には既存の PDF ファイルからテキストを抽出するために設計されたものではありませんが、PDF を操作するための基本的なツールを提供しており、追加のロジックやサードパーティの統合によってテキスト抽出用に拡張できます。 たとえば、QuestPDF を使用して構造化されたコンテンツを含む PDF ドキュメントを生成したり、サードパーティのライブラリを使用してドキュメントの構造に基づいてコンテンツを抽出するカスタム ソリューションを実装したりできます。

IronPDF を使用して PDF ファイルからテキストを抽出する

テキスト抽出は、PDF を扱う際に IronPDF が得意とするタスクの 1 つにすぎません。 わずか数行のコードで、PDF ドキュメント全体からテキストを抽出できます。 これは次のコード スニペットで確認できます。

using IronPdf;

public class Program
{
    public static void Main(string[] args)
    {
        // Load the PDF document
        PdfDocument pdf = PdfDocument.FromFile("exampleInvoice.pdf");
        
        // Extract all the text from the loaded PDF document
        string text = pdf.ExtractAllText();
        
        // Print the extracted text to the console
        Console.WriteLine(text);
    }
}

using IronPdf;

public class Program
{
    public static void Main(string[] args)
    {
        // Load the PDF document
        PdfDocument pdf = PdfDocument.FromFile("exampleInvoice.pdf");
        
        // Extract all the text from the loaded PDF document
        string text = pdf.ExtractAllText();
        
        // Print the extracted text to the console
        Console.WriteLine(text);
    }
}

Imports IronPdf

Public Class Program
    Public Shared Sub Main(args As String())
        ' Load the PDF document
        Dim pdf As PdfDocument = PdfDocument.FromFile("exampleInvoice.pdf")
        
        ' Extract all the text from the loaded PDF document
        Dim text As String = pdf.ExtractAllText()
        
        ' Print the extracted text to the console
        Console.WriteLine(text)
    End Sub
End Class

Imports IronPdf

Public Class Program
    Public Shared Sub Main(args As String())
        ' Load the PDF document
        Dim pdf As PdfDocument = PdfDocument.FromFile("exampleInvoice.pdf")
        
        ' Extract all the text from the loaded PDF document
        Dim text As String = pdf.ExtractAllText()
        
        ' Print the extracted text to the console
        Console.WriteLine(text)
    End Sub
End Class

出力ファイル

比較

IronPDF はテキストを抽出するためのシンプルな API を提供するため、効率性を重視する開発者に最適です。 わずか 3 行で、PDF ドキュメント内のテキスト コンテンツを抽出し、読み取れるように表示できるようになりました。 ここから、抽出したテキストを簡単に保存して、さらに使用したり操作したりすることができます。

一方、QuestPDF は、IronPDF などのライブラリよりも機能の数が限られているため、テキスト抽出などのタスクを処理できませんでした。 PDF 生成や基本的な操作などの他のタスクは処理できますが、テキストを抽出するには外部ライブラリを実装する必要があります。

結論

テキストの抽出に関しては、QuestPDFはプライベートプロジェクト用にコミュニティライセンスを使用して無料ですが、商業ライセンスのオプションもあります。

どちらのライブラリも正確で信頼性がありますが、最終的な選択はプロジェクトの要件によって異なります。

これらのライブラリのより詳細な比較については、 IronPDF と QuestPDFの完全なブログをご覧ください。