ASP.NET CoreでPDFファイルからデータを読み取る方法

ASP.NET CoreでIronPDFをどのように設定しますか？

ASP.NET Core プロジェクトで IronPDF を使い始めるのは簡単です。 NuGet Package Manager Consoleを介して、次のコマンドを使用してIronPDF NuGetパッケージをインストールしてください。

Install-Package IronPdf

.NET CLI経由でも可能です：

dotnet add package IronPdf

インストールしたら、Program クラス、コントローラー、またはサービスに IronPDF 名前空間を追加します。

using IronPdf;

using IronPdf;

Docker のデプロイ、 Azure のセットアップ、追加のLinux 互換性などの詳細なインストール オプションについては、完全なドキュメントを確認してください。 このライブラリは、最小限の構成でコンテナ化された環境でスムーズに動作するため、マイクロサービス アーキテクチャに最適です。 AWS Lambda環境、 Windows サーバー、またはmacOS システム用に構成することもできます。 インストールの概要ではプラットフォーム固有のガイダンスが提供され、高度な NuGet オプションではエンタープライズ展開シナリオがカバーされます。

PDFファイルからテキストをどのように抽出しますか？

IronPDFのExtractAllTextメソッドは、PDFドキュメント内のすべてのテキストコンテンツに即座にアクセスできます。 このメソッドはさまざまなテキストエンコーディングに対応しており、元のドキュメントの読み順を維持することで、ASP.NET Coreアプリケーションでの正確なデータ抽出を確保しています。 抽出プロセスはスレッドセーフであり、高パフォーマンスのシナリオ向けに改善されています。 国際言語用のUTF-8 エンコードをサポートします。

// Load a PDF document
var pdf = PdfDocument.FromFile("document.pdf");
// Extract all text
string allText = pdf.ExtractAllText();
// Extract text from specific page (0-indexed)
string pageText = pdf.ExtractTextFromPage(0); // current page

// Load a PDF document
var pdf = PdfDocument.FromFile("document.pdf");
// Extract all text
string allText = pdf.ExtractAllText();
// Extract text from specific page (0-indexed)
string pageText = pdf.ExtractTextFromPage(0); // current page

ExtractAllTextメソッドは、改行とスペースを保持したまま、PDF から読み取り可能なすべてのテキストを含む文字列を返します。 ページ固有の抽出の場合、 ExtractTextFromPage 、ゼロベースのインデックスを使用して個々のページをターゲットにすることができます。 この方法は、正しいパスワードを入力すると、暗号化された PDFでスムーズに機能します。 テキスト抽出では、UTF-8 エンコードと国際言語がサポートされています。 特定の領域を解析したり、 PDF DOM オブジェクトを操作してよりきめ細かな制御を行うこともできます。

最小限のメモリ割り当てを使用して PDF ファイルからデータを読み取る方法を示す実用的な ASP.NET Core コントローラーの実装を次に示します。

[ApiController]
[Route("api/[controller]")]
public class PdfController : ControllerBase
{
    [HttpPost("extract-text")]
    public IActionResult ExtractText(IFormFile pdfFile)
    {
        using var stream = new MemoryStream();
        pdfFile.CopyTo(stream);
        var pdf = new PdfDocument(stream.ToArray());
        var extractedText = pdf.ExtractAllText();
        return Ok(new { text = extractedText });
    }
}

[ApiController]
[Route("api/[controller]")]
public class PdfController : ControllerBase
{
    [HttpPost("extract-text")]
    public IActionResult ExtractText(IFormFile pdfFile)
    {
        using var stream = new MemoryStream();
        pdfFile.CopyTo(stream);
        var pdf = new PdfDocument(stream.ToArray());
        var extractedText = pdf.ExtractAllText();
        return Ok(new { text = extractedText });
    }
}

PDFフォームデータをどのように読み取りますか？

PDFフォームにはユーザーが記入するインタラクティブなフィールドが含まれています。 IronPDFは、包括的なフォームAPIを通じてフォームデータの抽出を簡素化し、すべての標準AcroFormフィールドタイプをサポートしています。テキストボックス、チェックボックス、コンテンツタイプの詳細など、すべてのフォームフィールドデータを簡単に抽出できます。 ライブラリはデジタル署名とフォーム検証を自動的に処理します。 また、アーカイブ要件とセクション 508 アクセシビリティ標準のPDF/A 準拠もサポートしています。

応答はデータベースに保存したり、ユーザーに返したり、ASP.NETアプリケーションのワークフローに統合したりすることができます。 Azure 展開の場合、処理されたフォーム データにBLOB ストレージを使用することを検討してください。 次のコードは、ちょうどこれを実現する方法を示しています：

[HttpPost("extract-form")]
        public IActionResult ExtractForm([FromForm] IFormFile pdfFile)
        {
            if (pdfFile == null || pdfFile.Length == 0)
            {
                return BadRequest("No PDF file uploaded.");
            }
            using var stream = new MemoryStream();
            pdfFile.CopyTo(stream);
            var pdf = new PdfDocument(stream.ToArray());
            var formData = new Dictionary<string, string>();
            if (pdf.Form != null)
            {
                foreach (var field in pdf.Form)
                {
                    formData[field.Name] = field.Value;
                }
            }
            return Ok(new { formFields = formData });
        }

[HttpPost("extract-form")]
        public IActionResult ExtractForm([FromForm] IFormFile pdfFile)
        {
            if (pdfFile == null || pdfFile.Length == 0)
            {
                return BadRequest("No PDF file uploaded.");
            }
            using var stream = new MemoryStream();
            pdfFile.CopyTo(stream);
            var pdf = new PdfDocument(stream.ToArray());
            var formData = new Dictionary<string, string>();
            if (pdf.Form != null)
            {
                foreach (var field in pdf.Form)
                {
                    formData[field.Name] = field.Value;
                }
            }
            return Ok(new { formFields = formData });
        }

ExtractFormエンドポイントは、 PdfDocumentの Form プロパティを使用して、アップロードされた PDF からインタラクティブ フィールドを読み取ります。 各フィールドにはNameとValueがあり、辞書に収集され、JSONとして返されます。 これにより、テキストボックス、チェックボックス、および他の入力からデータをキャプチャし、PDFフォームの提出が直接アプリケーションまたはデータベースに処理され統合されることが可能になります。 フォーム処理イベントのカスタム ログ記録については、好みのログ記録フレームワークと統合します。 また、フォームをフラット化してそれ以上の編集を防止したり、プログラムで新しいフォーム フィールドを追加したりすることもできます。

PDFドキュメントからテーブルデータをどのように抽出しますか？

PDFのテーブルは本質的にフォーマットされたテキストであり、構造化データを抽出するには解析ロジックが必要です。 IronPDF はスペースを維持しながらテキストを抽出し、それを解析して ASP.NET で PDF ファイルからデータを読み取ることができます。 複雑なテーブルの場合は、 DOM オブジェクト アクセスを使用してプログラムでドキュメント構造にアクセスすることを検討してください。 ライブラリは複数列のレイアウトを処理し、抽出中にフォントの書式を保持します。

[HttpPost("extract-table")]
public IActionResult ExtractTable([FromForm] IFormFile pdfFile)
{
    if (pdfFile == null || pdfFile.Length == 0)
        return BadRequest("No PDF file uploaded.");
    using var memoryStream = new MemoryStream();
    pdfFile.CopyTo(memoryStream);
    // Load PDF from byte array
    var pdf = new PdfDocument(memoryStream.ToArray());
    // Extract all text
    string text = pdf.ExtractAllText();
    // Split text into lines (rows)
    string[] lines = text.Split(new[] { '\r', '\n' }, StringSplitOptions.RemoveEmptyEntries);
    var tableData = new List<string[]>();
    foreach (string line in lines)
    {
        // Split line into columns using tab character
        string[] columns = line
            .Split('\t')
            .Where(c => !string.IsNullOrWhiteSpace(c))
            .ToArray();
        if (columns.Length > 0)
            tableData.Add(columns);
    }
    var table = tableData.Select(r => string.Join(" | ", r)).ToList();
    return Ok(new { Table = table });
}

[HttpPost("extract-table")]
public IActionResult ExtractTable([FromForm] IFormFile pdfFile)
{
    if (pdfFile == null || pdfFile.Length == 0)
        return BadRequest("No PDF file uploaded.");
    using var memoryStream = new MemoryStream();
    pdfFile.CopyTo(memoryStream);
    // Load PDF from byte array
    var pdf = new PdfDocument(memoryStream.ToArray());
    // Extract all text
    string text = pdf.ExtractAllText();
    // Split text into lines (rows)
    string[] lines = text.Split(new[] { '\r', '\n' }, StringSplitOptions.RemoveEmptyEntries);
    var tableData = new List<string[]>();
    foreach (string line in lines)
    {
        // Split line into columns using tab character
        string[] columns = line
            .Split('\t')
            .Where(c => !string.IsNullOrWhiteSpace(c))
            .ToArray();
        if (columns.Length > 0)
            tableData.Add(columns);
    }
    var table = tableData.Select(r => string.Join(" | ", r)).ToList();
    return Ok(new { Table = table });
}

このコードはテキストを抽出し、スペーシングパターンに基づいてそれを潜在的なテーブル行に分割します。 より複雑なテーブルのためには、キーワードを使用してテーブル境界を識別する、または特定のPDF構造に基づいたより高度な解析ロジックを実装する必要があるかもしれません。 複数のテーブルを含む大きなドキュメントの場合は、並列処理の使用を検討してください。 また、操作を容易にするためにテーブルを HTML に変換したり、さらに分析するためにExcel にエクスポートしたりすることもできます。

この出力はダウンロード、ブラウザでの表示、または追加情報のために処理できます。 CSS フォーマットまたはHTML 文字列レンダリングを統合して、ソリューション内でテーブルを動的に表示できます。 高パフォーマンスのシナリオでは、解析されたテーブル データをキャッシュして、繰り返し処理を回避します。 抽出されたデータを保存するときに、ファイル サイズを縮小する圧縮技術を検討してください。

ASP.NET CoreでアップロードされたPDFファイルをどのように処理しますか？

アップロードされたPDFを処理するには、IFormFileをIronPDFが読み取れる形式に変換する必要があります。 このアプローチは、Razor PagesおよびMVC コントローラーでスムーズに機能します。 コンテナ化されたアプリケーションの場合は、適切なメモリ割り当て設定を確認してください。 このプロセスは大きなファイルとバッチ操作をサポートします。

[HttpPost("process-upload")]
        public async Task<IActionResult> ProcessPdf([FromForm] IFormFile file)
        {
            if (file == null || file.Length == 0)
                return BadRequest("No PDF file uploaded.");
            using var ms = new MemoryStream();
            await file.CopyToAsync(ms);
            // Load PDF from byte array
            var pdf = new PdfDocument(ms.ToArray());
            // Extract text and page count
            var text = pdf.ExtractAllText();
            var pageCount = pdf.PageCount;
            return Ok(new
            {
                text = text,
                pages = pageCount
            });
        }

[HttpPost("process-upload")]
        public async Task<IActionResult> ProcessPdf([FromForm] IFormFile file)
        {
            if (file == null || file.Length == 0)
                return BadRequest("No PDF file uploaded.");
            using var ms = new MemoryStream();
            await file.CopyToAsync(ms);
            // Load PDF from byte array
            var pdf = new PdfDocument(ms.ToArray());
            // Extract text and page count
            var text = pdf.ExtractAllText();
            var pageCount = pdf.PageCount;
            return Ok(new
            {
                text = text,
                pages = pageCount
            });
        }

この非同期タスクは、非ブロッキング処理を保証し、イベント ハンドラーおよび標準の .NET ライブラリと連携します。 Content-Disposition ヘッダーを含むReturnFile使用すると、処理済みの PDF ファイルをユーザーが安全にダウンロードできるようになります。 追加のセキュリティを考慮し、処理前にファイル検証を実装することを検討してください。 非同期パターンにより、クラウド展開のスケーラビリティが向上します。 処理中にカスタム透かしやデジタル署名を実装することもできます。 MAUI アプリケーションの場合、プラットフォーム固有の調整を伴う同様のパターンが適用されます。

PDF データ抽出の次の手順は何ですか?

IronPDFは、ASP.NET Coreおよび他の.NET CoreアプリケーションでPDFドキュメントを読み取り、抽出し、処理し、保存するのを簡単にします。 フォーム、テーブル、プレーン テキスト、デジタル署名のいずれを扱う場合でも、この .NET ライブラリを使用すると、通常は数時間かかるタスクがわずか数行のコードに簡素化されます。 HTML 、ブラウザ、さらには画像形式で出力を作成、変換、アクセス、表示できます。 ライブラリは、長期アーカイブのためのPDF/A 準拠と、アクセシビリティのためのセクション 508 標準をサポートしています。

実稼働環境では、PDF 処理サービスを監視するためにヘルスチェック エンドポイントを実装することを検討してください。 カスタム ログを使用して、抽出のパフォーマンスとエラーを追跡します。 分散システムでの一時的な障害を処理するための再試行ポリシーを実装します。 最適なパフォーマンスを得るためにレンダリング オプションを構成し、頻繁にアクセスされるドキュメントのキャッシュ戦略を実装します。 このライブラリはCI/CD パイプラインと適切に統合され、サーバー環境でのヘッドレス レンダリングをサポートします。

無料トライアルから始めて、ASP.NET Core プロジェクトで IronPDF の全機能をご確認ください。 PDF抽出ワークフローを構築し、テストした後、ライセンスにコミットする前に評価することができます。 制作環境向けに、IronPDF は、単独の開発者や大規模なチームに適した柔軟なライセンス オプションを提供します。 ライブラリはコンテナ化されたデプロイメントをサポートし、チーム向けの完全なドキュメントを提供します。 IronPDF を使用することは、通常の展開の手間をかけずに ASP.NET Core で PDF ファイルを処理する最も速い方法の 1 つです。 すぐに実装するにはクイックスタート ガイドを確認するか、完全なドキュメント処理ソリューションを実現するOCR 機能やバーコード生成などの高度な機能を調べてください。