C#でPDFから埋め込みテキストと画像を抽出する

Curtis Chau
Curtis Chau
更新日: 2026年9月17日

簡単なメソッド呼び出しで、C#でPDF文書からテキストコンテンツと画像の両方を抽出します。 編集、分析、または他のアプリケーションでの再利用のために埋め込まれたコンテンツを取得します。

テキストと画像の抽出 PDF文書からテキストコンテンツとグラフィック要素を抽出します。 編集、検索、テキストの他形式への変換、再利用のための画像保存など、コンテンツへのアクセスと再利用。 データ分析のためにC#でPDFを解析する、コンテンツを検索可能な形式に変換する、またはアーカイブのために視覚的要素を抽出する必要があるかどうかにかかわらず、IronPDFは包括的な抽出ツールを提供します。

IronPDFを使用してテキストと画像を抽出します。 抽出した画像はディスクに保存するか、新しい文書に埋め込む前に別の形式に変換してください。 この柔軟性は、PDFをHTMLに変換したり、抽出した画像を再利用するなど、コンテンツ変換を必要とするワークフローをサポートします。

クイックスタート: IronPDFでテキストと画像を抽出する

わずか数行のコードでPDFからテキストと画像を抽出します。 このクイックスタートでは、コンテンツの再利用と分析のためにPDF文書から埋め込まれたコンテンツを取得する方法を示します。 IronPDFの効率的なソリューションを使用して、編集のためにテキストを抽出したり、後で使用するために画像を保存したりできます。

  1. 1IronPDF を NuGet Package Manager でインストールします

    PM > Install-Package IronPdf

  2. 2このコード スニペットをコピーして実行します。

    var pdf = new IronPdf.PdfDocument("sample.pdf");  
    string text = pdf.ExtractAllText();  
    var images = pdf.ExtractAllImages();  
  3. 3実際の環境でテストするためにデプロイする

    今日からご自身のプロジェクトでIronPDFを使い始めるには、無料トライアルをお試しください。
    arrow pointer

PDFからテキストを抽出するにはどうすればいいですか?

新しくレンダリングされたPDF文書と既存のPDF文書の両方からテキストを抽出します。 ドキュメントから埋め込まれたテキストを抽出するには、ExtractAllText メソッドを使用します。 このメソッドは、PDF内のすべてのテキストを含む文字列を返します。 ページは、連続する4つの改行文字で区切られています。 この例は、Wikipediaから取得したサンプルPDFを使用しています。

PDFで国際的な言語とUTF-8文字を扱う場合、IronPDFは適切なエンコーディングと文字表現を維持します。 これにより、非ラテン文字や特殊文字が正しく表示されます。

入力

サンプルの請求書PDF。

using IronPdf;
using System.IO;

PdfDocument pdf = PdfDocument.FromFile("sample.pdf");

// Extract text
string text = pdf.ExtractAllText();

// Export the extracted text to a text file
File.WriteAllText("extractedText.txt", text);

出力

ExtractAllText を実行すると、読み順でページのテキストが返されます:

Invoice INV-2026-0042
Billed to: Northwind Traders
Date: 2026-02-14
Consulting $3,200.00
Support $800.00
Total: $4,000.00
Text
ウィキペディアのページと抽出されたプレーンテキストを並べて表示し、テキスト抽出プロセスを示す。

正確な座標でテキストを抽出するにはどうすればいいですか?

各 PDF ページ内のテ キ ス ト 行 と 文字の座標を取得 し ます。 PDFからページを選択し、Lines と Characters プロパティにアクセスします。 座標には、Top、Right、Bottom、Leftの値が含まれており、これらはテキストの位置を表します。 この機能は、空間レイアウトを保持し、テキストの位置分析を可能にします。

C#でPDFファイルを読み取る際に位置の認識が必要な開発者にとって、座標の抽出は文書構造を維持し、高度なテキスト分析を実装するためのデータを提供します。

using IronPdf;
using System.IO;
using System.Linq;

// Open PDF from file
PdfDocument pdf = PdfDocument.FromFile("sample.pdf");

// Extract text by lines
var lines = pdf.Pages[0].Lines;

// Extract text by characters
var characters = pdf.Pages[0].Characters;

File.WriteAllLines("lines.txt", lines.Select(l => $"at Y={l.BoundingBox.Bottom:F2}: {l.Contents}"));
ウィキペディアのメインページと抽出されたテキストファイルの分割画面。

PDFから画像を抽出するにはどうすればいいですか?

ドキュメントからすべての埋め込まれた画像を抽出するには、ExtractAllImages メソッドを使用します。 このメソッドは、AnyBitmap オブジェクトの List のリストとして画像を返します。 同じドキュメントを使用して、画像を抽出し、「images」フォルダにエクスポートしました。 この機能は、画像のアーカイブ、コンテンツの移行、さらなる処理のためにPDFページを画像にラスタライズすることをサポートします。

抽出した画像は元の品質を保持し、PNG、JPEG、BMPなどのさまざまな形式で保存可能です。クラウドストレージワークフローのため、この機能をAzure Blob Storageによる画像管理と統合してください。

using IronPdf;

PdfDocument pdf = PdfDocument.FromFile("sample.pdf");

// Extract images
var images = pdf.ExtractAllImages();

for(int i = 0; i < images.Count; i++)
{
    // Export the extracted images
    images[i].SaveAs($"images/image{i}.png");
}
画像抽出ツールを実行した後、ファイルエクスプローラに19個の抽出されたPNG画像がサムネイル表示されている。

画像抽出のための異なる方法は何ですか?

ExtractAllImages メソッド以外に、画像情報を抽出するために ExtractAllBitmaps と ExtractAllRawImages メソッドを使用します。 ExtractAllBitmaps は AnyBitmap の List を返す一方で、ExtractAllRawImages はすべての画像を抽出し、生の byte[] (byte[]) として返します。

ExtractAllRawImages メソッドは、メモリ内の画像データを処理したり、バイト配列入力を必要とするシステムと統合する際に役立ちます。 PDFをメモリストリームにエクスポートするシナリオの場合、生のバイト配列形式が最適な柔軟性を提供します。


私のお気に入りのこの種のライブラリはIronPDFです。PDFファイルの迅速で効率的な操作が可能です。また、PDF/A形式へのエクスポートやPDF文書へのデジタル署名といった多くの貴重な機能も備えています。

Milan Jovanovic

Microsoft MVP

ケーススタディを見る

IronOCRのおかげで私たちは年間$40,000を手作業の処理から節約し、生産性を向上させ、高影響のタスクにリソースを充てることができます。非常にお勧めします。

Brent Matzelle

最高技術責任者, OPYN

ケーススタディを見る

特定のPDFページからコンテンツを抽出するにはどうすればいいですか?

単一または複数の指定ページからテキストと画像を抽出します。 1ページまたは複数のページからテキストを抽出するには、ExtractTextFromPage と ExtractTextFromPages メソッドを使用します。 画像については、ExtractImagesFromPage と ExtractImagesFromPages メソッドを使用します。

このようなきめ細かなコントロールは、特定のセクションにのみ関連コンテンツが含まれるような大規模なドキュメントを扱う際に役立ちます。 また、PDFを分割して個々のページを抽出する機能もサポートしています。 ExtractImagesFromPage は SetImageAltText がそれに対応する順序で画像を返すため、アクセシビリティ用に説明したい画像のインデックスを見つける方法でもあります。

入力

3ページのサンプルPDFで、それぞれのページが異なるテキストを持っています。

using IronPdf;

PdfDocument pdf = PdfDocument.FromFile("sample.pdf");

// Extract text from page 1
string textFromPage1 = pdf.ExtractTextFromPage(0);

int[] pages = new[] { 0, 2 };

// Extract text from pages 1 & 3
string textFromPage1_3 = pdf.ExtractTextFromPages(pages);

出力

ExtractTextFromPage(0) はページ1のテキストを返します:

Page 1 - Executive Summary
Revenue rose 12 percent this quarter.
Text

ExtractTextFromPages(new[] { 0, 2 }) はページ1と3を結合して返します:

Page 1 - Executive Summary
Revenue rose 12 percent this quarter.

Page 3 - Appendix
Regional breakdown and footnotes.
Text

すべてのページではなく特定のページから抽出すべき時は?

以下の場合は、特定のページから抜粋してください:

  • 特定のセクションに関連するデータを含む大きな PDF を扱う
  • ページを独立して処理するワークフローを実装する
  • インクリメンタルなコンテンツ表示または処理を必要とするアプリケーションを構築する
  • 必要なページのみを処理してメモリ使用を最適化する
  • ページ固有の検索またはインデックス機能の作成

どのパフォーマンスの考慮事項を知っておくべきですか?

PDFコンテンツを抽出する際には、以下のパフォーマンス要因を考慮してください:

  • メモリ使用量:大規模なドキュメントからページを個別に抽出してメモリ消費を最小化
  • 処理時間:適切な場合はマルチページ抽出に並列処理を使用
  • ファイルサイズ:高解像度の画像を含む大きなPDFはより多くの処理時間を要します
  • ストレージ:多数の高解像度画像を抽出するために十分なディスクスペースを計画してください
  • スレッド化: IronPDFはマルチコアシステムでのパフォーマンス向上のためにマルチスレッド処理をサポートします

メモリ内PDFのパフォーマンスを最適化するために、メモリストリーム操作を使用してディスクI/Oのオーバーヘッドを減少させます。


特定のレイヤー(OCG)からテキストを抽出する方法

レイヤードPDF(CAD図面や地図のエクスポートなど)は、オプションコンテンツグループとして知られる名前付きのレイヤーにコンテンツをグループ化します。 「タイトルブロック」レイヤーや「主要道路」レイヤーの全ラベルなど、いずれかのテキストのみを取得したい場合は、レイヤー名またはIDを指定して ExtractTextFromLayer を呼び出します。 複数の名前を ExtractTextFromLayers に渡して、1回の呼び出しで連結します。 レイヤーオブジェクト自体にアクセスするには、GetTextObjectsByLayer が指定されたレイヤーの TextObject を返します。

using IronPdf;

// Load a layered PDF, for example a map export with named layers
using PdfDocument pdf = new PdfDocument("architect-plan.pdf");

// Extract the text of a single layer as one string, in reading order.
// Layer names are case-sensitive.
string titleBlock = pdf.ExtractTextFromLayer("Title Block");

// Combine the text of several layers in one call.
// Unknown names are skipped, so this never throws.
string roads = pdf.ExtractTextFromLayers(new[] { "Road - Major", "Road - Highway", "Labels" });
注意してください: レイヤー名は大文字と小文字を区別するため、"Title Block" と "title block" は異なるレイヤーを指定します。 不明な名前、無効なID、空の入力は例外をスローする代わりに空の文字列を返し、レイヤーのないPDFは単にテキストを生成しません。 完全なレイヤーツリーを最初に参照するには、PDF DOM オブジェクトへのアクセスを参照してください。

よくある質問

C#を使用してPDFからテキストを抽出するにはどうすればいいですか?

IronPDFライブラリを使用してC#でPDFからテキストを抽出するには、PdfDocumentオブジェクトでExtractAllTextメソッドを呼び出してください。このメソッドは、ドキュメントから埋め込まれたすべてのテキストを取得し、文字列として返します。

IronPDFはPDFから画像を抽出するためにどのようなメソッドを提供していますか?

IronPDFはExtractAllImages、ExtractAllBitmaps、ExtractAllRawImagesを含むいくつかの画像抽出メソッドを提供しています。これらのメソッドを使用すると、画像をAnyBitmapオブジェクトまたは生のバイト配列として抽出できます。

IronPDFを使って特定のページからコンテンツを抽出できますか?

はい、IronPDFを使用すると、ExtractTextFromPage、ExtractTextFromPages、ExtractImagesFromPage、およびExtractImagesFromPagesメソッドを使用して特定のPDFページからコンテンツを抽出でき、書類のどの部分を処理するかを制御できます。

IronPDFはどのようにして精密な座標でのテキスト抽出を行いますか?

IronPDFはページのLinesおよびCharactersプロパティを使用して精密な座標でテキストを抽出できます。これにより、Top、Right、Bottom、Leftの値を含む位置データが提供され、レイアウト保持やテキスト位置解析に理想的です。

IronPDFを使用してPDFコンテンツを抽出する際のパフォーマンスに関する考慮事項は何ですか?

パフォーマンスの考慮事項には、メモリ使用量、処理時間、ファイルサイズ、ストレージ要件、マルチスレッド操作の活用が含まれます。特定のページからコンテンツを抽出し、メモリストリーム操作を採用することで、これらの側面を最適化できます。

IronPDFは国際言語を含むPDFからのテキスト抽出をどのように支援できますか?

IronPDFは国際言語とUTF-8文字に対する適切なエンコーディングと文字表現を維持し、非ラテン文字や特殊文字の正しいテキスト抽出と表示を保証します。

IronPDFを使用して、Azure Blobストレージで使用するためにPDFから画像を抽出することは可能ですか?

はい、IronPDFの画像抽出機能はAzure Blob Storageワークフローと互換性があり、さまざまなフォーマットで抽出した画像をクラウドで有効に管理できます。

IronPDFは特定のPDFレイヤーからのテキスト抽出をサポートしていますか?

はい、IronPDFはExtractTextFromLayerやGetTextObjectsByLayerメソッドを使用してPDF内の特定のレイヤー(OCGs)からテキストを抽出でき、CAD図面や地図エクスポートのような名付けられたレイヤーにグループ化されたコンテンツをターゲットにします。

How can I extract text with its structure and formatting from a PDF in C#?

IronPDF's TextBlocks property on a page returns its text grouped into blocks, lines and spans in reading order. Each span carries its text, bounding box, font, rendered font size and fill color, so headings can be told apart from body text.

Curtis Chauは、カールトン大学でコンピュータサイエンスの学士号を取得し、Node.js、TypeScript、JavaScript、およびReactに精通したフロントエンド開発を専門としています。直感的で美しいユーザーインターフェースを作成することに情熱を持ち、Curtisは現代のフレームワークを用いた開発や、構造の良い視覚的に魅力的なマニュアルの作成を楽しんでいます。

もっと読む

準備はできましたか?

NuGetダウンロード数 22,198,312バージョン:2026.11ちょうどリリースされました