Odczytywanie plików PDF w języku C#

VBC#

using IronPdf;
using IronSoftware.Drawing;
using System.Collections.Generic;

// Extracting Image and Text content from Pdf Documents

// open a 128 bit encrypted PDF
var pdf = PdfDocument.FromFile("encrypted.pdf", "password");

// Get all text to put in a search index
string text = pdf.ExtractAllText();

// Get all Images
var allImages = pdf.ExtractAllImages();

// Or even find the precise text and images for each page in the document
for (var index = 0 ; index < pdf.PageCount ; index++)
{
    int pageNumber = index + 1;
    text = pdf.ExtractTextFromPage(index);
    List<AnyBitmap> images = pdf.ExtractBitmapsFromPage(index);
    //...
}

Imports IronPdf
Imports IronSoftware.Drawing
Imports System.Collections.Generic

' Extracting Image and Text content from Pdf Documents

' open a 128 bit encrypted PDF
Dim pdf = PdfDocument.FromFile("encrypted.pdf", "password")

' Get all text to put in a search index
Dim text As String = pdf.ExtractAllText()

' Get all Images
Dim allImages = pdf.ExtractAllImages()

' Or even find the precise text and images for each page in the document
For index As Integer = 0 To pdf.PageCount - 1
    Dim pageNumber As Integer = index + 1
    text = pdf.ExtractTextFromPage(index)
    Dim images As List(Of AnyBitmap) = pdf.ExtractBitmapsFromPage(index)
    '...
Next

Install-Package IronPdf

Odczytywanie plików PDF w języku C#

Metoda PdfDocument.ExtractAllText z biblioteki PDF IronPDF C# jest idealna do prostych zadań związanych z odczytem tekstu PDF. Metoda ta bez problemu radzi sobie z rozbieżnościami w zakresie spacji i kodowania w źródłowych dokumentach PDF.

PdfDocument.ExtractTextFromPage odczytuje tekst z określonych stron PDF. W poniższym przykładzie widzimy, jak jest on używany iteracyjnie do pobierania treści tekstowych z określonego zakresu stron.

IronPDF może również wyodrębniać surowe obrazy z plików PDF. Do tego użyj dowolnej metody z klasy PdfDocument poniżej:

ExtractAllImages: zwraca wszystkie osadzone obrazy PDF jako obiekty IronSoftware.Drawing.AnyBitmap.
ExtractAllRawImages: odzyskuje wszystkie osadzone obrazy jako listę surowych bajtów (byte[]).
ExtractImagesFromPage: wyciąga obrazy zawarte na indeksowanej stronie.
ExtractImagesFromPages: to samo co ExtractImagesFromPage, ale z określonego zakresu stron lub listy poszczególnych stron.
ExtractRawImagesFromPage i ExtractRawImagesFromPages: działa tak samo jak poprzednie dwie metody, ale zwraca wyodrębnione obrazy jako tablice bajtów zamiast obiektów IronSoftware.Drawing.AnyBitmap.