Jak wyodrębnić dane z pliku PDF w języku C#

Utwórz lub otwórz projekt C# w programie Visual Studio

W tym samouczku zaleca się korzystanie z najnowszej wersji programu Visual Studio.

Po uruchomieniu programu Visual Studio wykonaj poniższe czynności, aby utworzyć nowy projekt w języku C#. Jeśli masz już gotowy projekt, z którego chcesz skorzystać, pomiń poniższe kroki i przejdź bezpośrednio do następnej sekcji.

• Otwórz Visual Studio
• Kliknij przycisk "Utwórz nowy projekt".

Interfejs użytkownika programu Visual Studio

• Wybierz "Aplikacja konsolowa C#" z szablonów.

Utwórz nowy projekt

• Nadaj nazwę projektowi i kliknij przycisk Dalej.
• Wybierz .NET Framework zgodnie z wymaganiami projektu i kliknij przycisk Utwórz.

Wybór platformy .NET Framework

Visual Studio wygeneruje teraz nowy projekt C# .NET.

Zainstaluj bibliotekę IronPDF

Install-Package IronPdf

Pobieranie danych z plików PDF

Przyjrzyjmy się poniższemu kodowi pokazującemu, jak wyodrębnić dane za pomocą IronPDF:

// 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
            //...
        }
    }
}

' Import necessary namespaces
Imports IronPdf
Imports System.Collections.Generic
Imports System.Drawing

Public Class PDFExtractor
	Public Sub ExtractDataFromPDF()
		' Open a 128-bit encrypted PDF file by providing the filename and password
		Using pdf As PdfDocument = PdfDocument.FromFile("encrypted.pdf", "password")
	
			' Extract all text from the PDF document
			Dim allText As String = pdf.ExtractAllText()
	
			' Extract all images from the PDF document
			Dim allImages As IEnumerable(Of Image) = pdf.ExtractAllImages()
	
			' Iterate over each page in the PDF document
			For index = 0 To pdf.PageCount - 1
				Dim pageNumber As Integer = index + 1
	
				' Extract text from the specific page
				Dim text As String = pdf.ExtractTextFromPage(index)
	
				' Extract images from the specific page
				Dim images As IEnumerable(Of Image) = pdf.ExtractImagesFromPage(index)
	
				' Code to process the extracted text and images
				'...
			Next index
		End Using
	End Sub
End Class

W tym przykładzie kodu:

1. Metoda FromFile służy do ładowania wejściowego dokumentu PDF, który jest zaszyfrowany i wymaga hasła.
2. Metoda ExtractAllText wyodrębnia całą treść tekstową z pliku PDF.
3. Metoda ExtractAllImages pobiera wszystkie osadzone obrazy.
4. Pętla iteruje po każdej stronie dokumentu, aby wyodrębnić tekst i obrazy z tej konkretnej strony przy użyciu ExtractTextFromPage i ExtractImagesFromPage.