W tym samouczku przedstawiono, jak programowo wyodrębniać teksty i obrazy z plików PDF przy pomocy doskonałej obsługi oferowanej przez IronPDF.

IronPDF

Funkcje

Wydajna konwersja plików PDF. Prawie wszystko, co potrafi maszyna, potrafi również IronPDF. Dzięki tej bibliotece PDF programiści mogą szybko tworzyć, odczytywać treści tekstowe, zapisywać, wczytywać i przetwarzać pliki PDF.

IronPDF konwertuje HTML na plik PDF przy pomocy silnika Chrome. Oprócz Windows Forms, HTML, ASPX, Razor HTML, .NET Core, ASP.NET, Windows Forms i WPF. IronPDF obsługuje również aplikacje Xamarin, Blazor, Unity i HoloLens. IronPDF obsługuje zarówno aplikacje Microsoft .NET, jak i .NET Core (zarówno pakiety internetowe ASP.NET, jak i tradycyjne pakiety Windows). IronPDF może służyć do tworzenia estetycznych plików PDF.

IronPDF umożliwia tworzenie plików PDF przy użyciu HTML5, JavaScript, CSS i obrazów. IronPDF posiada również potężny konwerter HTML na PDF, który integruje się z PDF. W IronPDF dostępny jest wydajny mechanizm konwersji plików PDF wykorzystujący silnik renderujący Chromium. Nie jest on również powiązany z żadnymi zewnętrznymi źródłami.

• Obraz PDF można utworzyć z różnych źródeł, w tym HTML, HTML5, ASPX oraz Razor/MVC View. Zarówno pliki HTML, jak i grafiki można konwertować do formatu PDF.
• Narzędzia, które można wykorzystać do pracy z interaktywnymi plikami PDF, obejmują wypełnianie i przesyłanie interaktywnych formularzy.
• Łączenie i dzielenie plików PDF, wyodrębnianie tekstu i obrazów z plików PDF, wyszukiwanie tekstu w plikach PDF, rasteryzacja plików PDF do obrazów, zmiana rozmiaru czcionki i konwersja plików PDF.
• Umożliwia weryfikację formularzy logowania HTML przy użyciu agentów użytkownika, serwerów proxy, plików cookie, nagłówków HTTP i zmiennych formularza.
• Dostęp do zabezpieczonych dokumentów jest możliwy dzięki IronPDF po podaniu nazwy użytkownika i hasła.
• IronPDF to program, który odczytuje tekst w plikach PDF i uzupełnia luki.
• Umożliwia dodawanie tekstu, obrazów, zakładek, znaków wodnych i nie tylko.
• Możesz utworzyć plik PDF na podstawie pliku CSS.

Aby uzyskać więcej informacji, odwiedź stronę z informacjami o licencjach IronPDF, gdzie znajdziesz bezpłatny klucz z ograniczonym dostępem oraz wersję profesjonalną.

IronPDF – formatowanie czcionek

Wyodrębnij tekst z pliku PDF

IronPDF może również odczytywać i wyodrębniać tekst z plików PDF przy pomocy bibliotek IronPDF. Poniżej znajduje się fragment kodu IronPDF, który może służyć do analizy istniejących plików PDF.

Wyodrębnij tekst ze wszystkich stron

Poniższy przykład kodu pokazuje pierwszą metodę pozyskiwania całej zawartości pliku PDF jako ciągu znaków za pomocą zaledwie kilku wierszy.

Imports IronPdf

Module Program
    Sub Main(args As String())
        ' Create a PDF Document object from an existing PDF file
        Dim pdfdoc = PdfDocument.FromFile("result.pdf")
        
        ' Extract all the text from the PDF
        Dim AllText As String = pdfdoc.ExtractAllText()
        
        ' Output the extracted text to the console
        Console.WriteLine(AllText)
    End Sub
End Module

Imports IronPdf

Module Program
    Sub Main(args As String())
        ' Create a PDF Document object from an existing PDF file
        Dim pdfdoc = PdfDocument.FromFile("result.pdf")
        
        ' Extract all the text from the PDF
        Dim AllText As String = pdfdoc.ExtractAllText()
        
        ' Output the extracted text to the console
        Console.WriteLine(AllText)
    End Sub
End Module

Powyższy przykładowy kod demonstruje, jak użyć metody FromFile, aby odczytać PDF z istniejącego pliku i przekonwertować go na obiekt dokumentu PDF. Obiekt dostarcza metodę nazwaną ExtractAllText, która wyodrębni zwykły tekst z PDF i zamieni go na ciąg znaków.

Wyodrębnij tekst według numeru strony

Poniższy przykładowy kod pokazuje, jak wyodrębnić dane z pliku PDF na podstawie numeru strony.

Imports IronPdf

Module Program
    Sub Main(args As String())
        ' Create a PDF Document object from an existing PDF file
        Dim pdfdoc = PdfDocument.FromFile("result.pdf")
        
        ' Extract text from the first page (page numbers are zero-based)
        Dim AllText As String = pdfdoc.ExtractTextFromPage(0)
        
        ' Output the extracted text to the console
        Console.WriteLine(AllText)
    End Sub
End Module

Imports IronPdf

Module Program
    Sub Main(args As String())
        ' Create a PDF Document object from an existing PDF file
        Dim pdfdoc = PdfDocument.FromFile("result.pdf")
        
        ' Extract text from the first page (page numbers are zero-based)
        Dim AllText As String = pdfdoc.ExtractTextFromPage(0)
        
        ' Output the extracted text to the console
        Console.WriteLine(AllText)
    End Sub
End Module

Powyższy kod pokazuje, jak odczytać PDF z istniejącego pliku i zamienić go na obiekt dokumentu PDF, używając funkcji FromFile. Dostęp do tekstów i obrazów w pliku PDF można uzyskać za pomocą tego obiektu. Obiekt oferuje metodę nazwaną ExtractTextFromPage, która pozwala na przesłanie numeru strony jako parametru, aby otrzymać ciąg znaków zawierający każde słowo, które znajdowało się na tej stronie PDF.

Wyodrębnij tekst między stronami

Poniższy kod pokazuje, jak wyodrębnić dane z wielu stron.

Imports IronPdf

Module Program
    Sub Main(args As String())
        ' Define a list of page numbers from which to extract text
        Dim Pages As List(Of Integer) = New List(Of Integer) From {3, 5, 7}
        
        ' Create a PDF Document object from an existing PDF file
        Dim pdfdoc = PdfDocument.FromFile("result.pdf")
        
        ' Extract text from the specified pages
        Dim AllText As String = pdfdoc.ExtractTextFromPages(Pages)
        
        ' Output the extracted text to the console
        Console.WriteLine(AllText)
    End Sub
End Module

Imports IronPdf

Module Program
    Sub Main(args As String())
        ' Define a list of page numbers from which to extract text
        Dim Pages As List(Of Integer) = New List(Of Integer) From {3, 5, 7}
        
        ' Create a PDF Document object from an existing PDF file
        Dim pdfdoc = PdfDocument.FromFile("result.pdf")
        
        ' Extract text from the specified pages
        Dim AllText As String = pdfdoc.ExtractTextFromPages(Pages)
        
        ' Output the extracted text to the console
        Console.WriteLine(AllText)
    End Sub
End Module

Powyższy kod demonstruje, jak użyć metody FromFile, aby odczytać PDF z istniejącego pliku i przekonwertować go na obiekt dokumentu PDF. Ten obiekt umożliwia przeglądanie tekstu i obrazów w pliku PDF. Obiekt posiada metodę nazwaną ExtractTextFromPages, która może być użyta do uzyskania ciągu znaków zawierającego całą treść tekstową na określonych stronach dokumentu, przesyłając listę numerów stron jako parametr. Poniżej po lewej stronie znajduje się plik PDF źródłowy, a po prawej stronie wyodrębnione dane.

Wyodrębnij tekst pomiędzy stronami

Wyodrębnij obraz z pliku PDF

IronPDF udostępnia listę metod służących do wyodrębniania obrazów, takich jak:

• ExtractBitmapsFromPage
• ExtractBitmapsFromPages
• ExtractImagesFromPage
• ExtractImagesFromPages
• ExtractRawImagesFromPage
• ExtractRawImagesFromPages

Każda metoda umożliwia wyodrębnianie obrazów z jednej lub wielu stron dokumentu.

Imports IronPdf
Imports System.Drawing

Module Program
    Sub Main(args As String())
        ' Create a PDF Document object from an existing PDF file
        Dim pdfdoc = PdfDocument.FromFile("result.pdf")
        
        ' Extract raw images from the first page
        Dim images = pdfdoc.ExtractRawImagesFromPage(1)
        
        ' Iterate over extracted images
        For Each imgData As Byte() In images
            ' Create a memory stream from byte data
            Using ms As New IO.MemoryStream(imgData)
                ' Create a Bitmap object from the memory stream
                Dim image = New Bitmap(ms)
                
                ' Save the image to the specified output directory
                image.Save("output/test.jpg")
            End Using
        Next
    End Sub
End Module

Imports IronPdf
Imports System.Drawing

Module Program
    Sub Main(args As String())
        ' Create a PDF Document object from an existing PDF file
        Dim pdfdoc = PdfDocument.FromFile("result.pdf")
        
        ' Extract raw images from the first page
        Dim images = pdfdoc.ExtractRawImagesFromPage(1)
        
        ' Iterate over extracted images
        For Each imgData As Byte() In images
            ' Create a memory stream from byte data
            Using ms As New IO.MemoryStream(imgData)
                ' Create a Bitmap object from the memory stream
                Dim image = New Bitmap(ms)
                
                ' Save the image to the specified output directory
                image.Save("output/test.jpg")
            End Using
        Next
    End Sub
End Module

Powyższy kod pokazuje, jak odczytać dokument z istniejącego pliku i zamienić go na obiekt dokumentu PDF, używając funkcji FromFile. Przekazując numer strony do metody obiektu ExtractRawImagesFromPage, można uzyskać listę bajtów zawierających każdy obrazek, który był obecny na tej stronie dokumentu. Używając pętli For Each, każdy strumień bajtów jest przetwarzany i zamieniany na strumień pamięci, a potem na Bitmap, co wspomaga zapis obrazków. Poniższy obrazek przedstawia wynik działania powyższego kodu.

Wyodrębnij obrazy z pliku PDF

Aby dowiedzieć się więcej o samouczku dotyczącym kodu API IronPDF, zapoznaj się z dokumentacją IronPDF. Możesz również zapoznać się z innymi samouczkami, aby dowiedzieć się, jak analizować tekst w plikach PDF przy użyciu języka C#.

Wnioski

Licencja deweloperska biblioteki IronPDF jest bezpłatna. W przypadku korzystania z IronPDF w środowisku produkcyjnym można nabyć różne licencje w zależności od potrzeb programisty. Plan Lite zaczyna się od $999 i nie posiada bieżących kosztów. Dostępne są również opcje dystrybucji w modelu SaaS i OEM. Wszystkie licencje obejmują aktualizacje, roczną pomoc techniczną oraz licencję bezterminową. Są one również przydatne w produkcji, wdrażaniu i rozwoju. Jest to zakup jednorazowy. Dostępne są dodatkowe bezpłatne licencje ograniczone czasowo. Zapoznaj się z wyczerpującymi informacjami na temat licencji IronPDF, aby przeczytać pełne szczegóły dotyczące cen i licencji IronPDF. IronPDF zapewnia również bezpłatne licencje na ochronę przed kopiowaniem.