C# で PDF からデータを抽出する方法

Visual StudioでC#プロジェクトを作成または開く

このチュートリアルでは、最新のVisual Studioバージョンを使用することをお勧めします。

Visual Studioが開いたら、以下の手順に従って新しいC#プロジェクトを作成してください。 既存のプロジェクトがあり、そのプロジェクトを使用したい場合は、次の手順をスキップして直接次のセクションに進んでください。

• Visual Studioを開きます
• "新しいプロジェクトを作成"ボタンをクリックします。

Visual Studioの起動画面

• テンプレートから"C#コンソールアプリケーション"を選択します。

新しいプロジェクトを作成する

• プロジェクトに名前を付け、次へボタンをクリックします。
• プロジェクトの要件に応じた.NET Frameworkを選択し、作成ボタンをクリックします。

.NETフレームワークの選択

Visual Studioは今、新しいC# .NETプロジェクトを生成します。

IronPDFライブラリをインストールする

Install-Package IronPdf

PDFファイルからデータを抽出する

以下のコードを見て、IronPDFを使用してデータを抽出する方法を見てみましょう:

// 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
            //...
        }
    }
}

このコード例では:

1. FromFile メソッドは、暗号化されパスワードが必要な入力 PDF ドキュメントを読み込むために使用されます。
2. ExtractAllText メソッドは、PDF からすべてのテキスト コンテンツを抽出します。
3. ExtractAllImages メソッドは埋め込まれたすべての画像を取得します。
4. ループはドキュメントの各ページを反復処理し、ExtractTextFromPage と ExtractImagesFromPage を使用して特定のページからテキストと画像を抽出します。