Jak czytać dokumenty PDF w C# używając iTextSharp:

iText 7 (pierwotnie iTextSharp) to potężna biblioteka open source do pracy z plikami PDF w środowisku .NET. Zapewnia rozbudowane funkcje tworzenia, modyfikowania, szyfrowania i wyodrębniania treści z dokumentów PDF. Wielu programistów korzysta z niego do automatyzacji przepływu dokumentów, generowania raportów oraz obsługi zadań związanych z przetwarzaniem plików PDF na dużą skalę.

Jedną z największych zalet iText 7 jest precyzyjna kontrola nad strukturami plików PDF. Obsługuje adnotacje, pola formularzy, znaki wodne i podpisy cyfrowe, co czyni go solidnym narzędziem do zaawansowanej obróbki dokumentów. Ponadto jest to dobrze udokumentówane i szeroko stosowane rozwiązanie, które cieszy się silnym wsparciem społeczności i dostępnością licznych zasobów stron trzecich.

Instalacja iText 7

Aby zainstalować iText 7 w projekcie .NET, można użyć menedżera pakietów NuGet w Visual Studio:

Korzystanie z konsoli menedżera pakietów NuGet:

Install-Package itext7

Jednak iText 7 wiąże się z pewnymi wyzwaniami. Jego złożony interfejs API wymaga więcej kodu do typowych zadań, takich jak wyodrębnianie tekstu lub scalanie plików PDF, a także nie ma wbudowanej obsługi konwersji HTML na PDF, co utrudnia przepływ pracy między stroną internetową a dokumentem. Ponadto licencja AGPL wymaga od firm zakupu licencji komercyjnej, aby uniknąć wymogów dotyczących dystrybucji open source.

Dla programistów poszukujących bardziej usprawnionego, wysokopoziomowego API z nowoczesnymi funkcjami, IronPDF stanowi atrakcyjną alternatywę.

Instalacja

Aby uruchomić IronPDF w projektach C#, wystarczy wykonać następujący wiersz w menedżerze pakietów NuGet:

Install-Package IronPdf

Można też przejść do menu Narzędzia > Menedżer pakietów NuGet > Zarządzaj pakietami NuGet dla rozwiązania i wyszukać IronPDF.

Następnie wystarczy kliknąć "Zainstaluj", a IronPDF zostanie dodany do Twojego projektu w mgnieniu oka!

Wykorzystanie IronPDF do wyodrębniania tekstu

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);
    }
}

Imports IronPdf

Friend Class Program
	Shared Sub Main()
		Dim pdfPath As String = "sample.pdf"

		' Load the PDF document
		Dim pdf = New PdfDocument(pdfPath)

		' Extract all text from the loaded PDF document
		Dim extractedText As String = pdf.ExtractAllText()

		' Output the extracted text to the console
		Console.WriteLine(extractedText)
	End Sub
End Class

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);

Dim pdf = New PdfDocument("sample.pdf")

' Access text from the first page
Dim pageText As String = pdf.Pages(0).Text

Console.WriteLine(pageText)

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");

Dim pdf1 = New PdfDocument("file1.pdf")
Dim pdf2 = New PdfDocument("file2.pdf")

' Merge the PDFs into a single document
Dim combinedPdf = PdfDocument.Merge(pdf1, pdf2)

combinedPdf.SaveAs("combined_output.pdf")

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();

Dim pdf = New PdfDocument("sample.pdf")

' Convert the PDF to an HTML string
Dim htmlContent As String = pdf.ToHtmlString()

Odczytywanie plików PDF za pomocą iText 7

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;
        }
    }
}

Imports iText.Kernel.Pdf
Imports iText.Kernel.Pdf.Canvas.Parser

Friend Class Program
	Shared Sub Main()
		Dim pdfPath As String = "sample.pdf"
		Dim extractedText As String = ExtractTextFromPdf(pdfPath)
		Console.WriteLine(extractedText)
	End Sub

	' Method to extract text from a PDF
	Private Shared Function ExtractTextFromPdf(ByVal pdfPath As String) As String
		' Use PdfReader to load the PDF
		Using reader As New PdfReader(pdfPath)
		' Open the PDF document for processing
		Using pdfDoc As New iText.Kernel.Pdf.PdfDocument(reader)
			Dim text As String = ""
			' Iterate through each page and extract text
			Dim i As Integer = 1
			Do While i <= pdfDoc.GetNumberOfPages()
				text &= PdfTextExtractor.GetTextFromPage(pdfDoc.GetPage(i)) & Environment.NewLine
				i += 1
			Loop
			Return text
		End Using
		End Using
	End Function
End Class

Porównanie iText 7 i IronPDF

Podczas gdy iText 7 wymaga szczegółowego kodowania do wykonywania operacji na plikach PDF, IronPDF usprawnia te zadania dzięki prostym metodom. Na przykład wyodrębnianie tekstu z pliku PDF za pomocą iText 7 wymaga wielu kroków i rozbudowanego kodu, podczas gdy IronPDF wykonuje to za pomocą zaledwie kilku wierszy. Ponadto obsługa konwersji HTML na PDF w IronPDF jest bardziej niezawodna i płynnie radzi sobie ze złożonymi kodami HTML, CSS i JavaScript.

Najważniejsze wnioski

• IronPDF upraszcza odczytywanie i edycję plików PDF dzięki bardziej intuicyjnemu i usprawnionemu interfejsowi API, wymagającemu mniejszego nakładu kodu do wykonywania typowych operacji.
• Wyodrębnianie tekstu w IronPDF jest łatwiejsze do wdrożenia w porównaniu z bardziej złożonym procesem iteracyjnym iTextSharp, co pozwala programistom zaoszczędzić czas.
• Licencja wieczysta IronPDF jest bardziej przyjazna dla biznesu, oferując mniej ograniczeń w porównaniu z licencją AGPL iTextSharp.
• IronPDF posiada lepszą dokumentację, która jest bardziej przystępna i ułatwia szybkie rozwiązywanie problemów, co czyni go idealnym rozwiązaniem dla programistów poszukujących szybkich rozwiązań bez konieczności przeglądania nadmiernej ilości zasobów.

IronPDF oferuje Suite zaawansowanych funkcji, które wykraczają poza zwykłe czytanie plików PDF. Cechy te sprawiają, że jest to solidne rozwiązanie dla programistów pragnących zoptymalizować swoje procesy pracy z plikami PDF. Oto, w jaki sposób IronPDF może usprawnić proces tworzenia oprogramowania:

1. Wyodrębnianie tekstu z plików PDF

IronPDF umożliwia łatwe wyodrębnianie tekstu z plików PDF, dzięki czemu idealnie nadaje się do procesów obejmujących analizę dokumentów, ekstrakcję danych lub indeksowanie treści. Dzięki IronPDF możesz szybko pobierać tekst z plików PDF i wykorzystywać go w swoich aplikacjach bez konieczności zajmowania się skomplikowanym parsowaniem.

2. Tworzenie plików PDF

IronPDF ułatwia tworzenie plików PDF od podstaw, niezależnie od tego, czy tworzysz raporty, faktury czy inne rodzaje dokumentów. Narzędzie obsługuje również konwersję HTML do PDF, co pozwala wykorzystać istniejące treści internetowe i generować dobrze sformatowane pliki PDF. Rozwiązanie to idealnie sprawdza się w sytuacjach, gdy konieczne jest przekształcenie stron internetowych lub dynamicznej zawartości HTML w pliki PDF do pobrania.

3. Zaawansowane funkcje plików PDF

Oprócz podstawowego wyodrębniania tekstu i tworzenia plików PDF, IronPDF obsługuje zaawansowane funkcje, takie jak wypełnianie formularzy PDF, dodawanie adnotacji i manipulowanie treścią dokumentów. Funkcje te są przydatne w branżach takich jak prawo, finanse czy edukacja, gdzie formularze i opinie są stałym elementem przepływu pracy.

4. Przetwarzanie wsadowe

IronPDF doskonale nadaje się do przetwarzania dużej liczby plików PDF. Niezależnie od tego, czy wyodrębniasz informacje z setek dokumentów, czy konwertujesz wiele plików HTML do formatu PDF, IronPDF może zautomatyzować te zadania i wykonać je wydajnie, oszczędzając zarówno czas, jak i wysiłek.

5. Automatyzacja i wydajność

IronPDF upraszcza zadania związane z obsługą plików PDF, które często są czasochłonne i powtarzalne. Dzięki automatyzacji zadań, takich jak wyodrębnianie tekstu z plików PDF, wypełnianie formularzy lub konwersja zbiorcza, programiści mogą skupić się na bardziej złożonych aspektach swoich projektów, pozostawiając IronPDF wykonanie najtrudniejszych zadań.

Wsparcie techniczne i zasoby społeczności

Aby zapewnić programistom możliwość maksymalnego wykorzystania możliwości IronPDF, narzędzie jest wspierane przez solidną pomoc techniczną i zasoby społeczności:

• Pomoc techniczna: IronPDF oferuje bezpośrednie wsparcie poprzez e-mail i system zgłoszeń, zapewniając pomoc w przypadku wszelkich wyzwań związanych z wdrożeniem lub kwestiami technicznymi.
• Zasoby społeczności: Witryna IronPDF zawiera obszerną dokumentację, samouczki i wpisy na blogu. Programiści mogą również znaleźć rozwiązania i dzielić się wiedzą za pośrednictwem serwisów GitHub i Stack Overflow, gdzie społeczność aktywnie omawia najlepsze praktyki i porady dotyczące rozwiązywania problemów.