Como ler arquivos PDF em C#

Passo 1: Instale o pacote IronPDF

Para começar, você precisará instalar o pacote NuGet IronPDF em seu projeto .NET . Você pode fazer isso abrindo o Console do Gerenciador de Pacotes no Visual Studio e digitando o seguinte comando:

Install-Package IronPdf

Passo 2: Importe a biblioteca IronPDF

Em seguida, você precisa importar a biblioteca IronPDF para o seu código, adicionando a seguinte instrução no início do seu arquivo:

using IronPdf;

using IronPdf;

Imports IronPdf

Passo 3: Carregar o documento PDF

Após importar a biblioteca IronPDF , você pode carregar um documento PDF em seu código usando o seguinte código:

// Load the PDF document from file path
PdfDocument pdf = PdfDocument.FromFile(@"C:\dotnet.pdf");

// Define the output path for the saved PDF
var outputPath = "Example.pdf";

// Save the PDF document to the specified output path
pdf.SaveAs(outputPath);

// Load the PDF document from file path
PdfDocument pdf = PdfDocument.FromFile(@"C:\dotnet.pdf");

// Define the output path for the saved PDF
var outputPath = "Example.pdf";

// Save the PDF document to the specified output path
pdf.SaveAs(outputPath);

' Load the PDF document from file path
Dim pdf As PdfDocument = PdfDocument.FromFile("C:\dotnet.pdf")

' Define the output path for the saved PDF
Dim outputPath = "Example.pdf"

' Save the PDF document to the specified output path
pdf.SaveAs(outputPath)

Etapa 4: Extrair o texto do PDF

O IronPDF oferece diversos métodos para extrair texto de um arquivo PDF existente. Por exemplo, você pode começar a extrair texto de um PDF e imprimi-lo no console usando o seguinte trecho de código:

// Extract text from the loaded PDF document
string text = pdf.ExtractText();

// Print the extracted text to the console
Console.WriteLine(text);

// Extract text from the loaded PDF document
string text = pdf.ExtractText();

// Print the extracted text to the console
Console.WriteLine(text);

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

' Print the extracted text to the console
Console.WriteLine(text)

Usando o código acima, você pode extrair texto de um arquivo PDF .

Extraindo texto de um PDF usando o IronPDF

Etapa 5: Rasterizar um PDF em imagens

Vamos rasterizar o arquivo PDF em imagens com o IronPDF usando o IronPDF. Primeiro, importe as bibliotecas necessárias:

using System.Linq;
using IronPdf;
using IronSoftware.Drawing;

using System.Linq;
using IronPdf;
using IronSoftware.Drawing;

Imports System.Linq
Imports IronPdf
Imports IronSoftware.Drawing

Em seguida, o código usa o método RasterizeToImageFiles para extrair todas as páginas do documento PDF para uma pasta como arquivos de imagem. As imagens extraídas podem ser salvas como arquivos PNG ou JPG, e as dimensões e intervalos de páginas das imagens também podem ser especificados.

// Extract all pages to a folder as image files with PNG format
pdf.RasterizeToImageFiles(@"C:\image\folder\*.png");

// Extract all pages to JPG images with specified dimensions
pdf.RasterizeToImageFiles(@"C:\image\folder\example_pdf_image_*.jpg", 100, 80);

// Extract all pages to a folder as image files with PNG format
pdf.RasterizeToImageFiles(@"C:\image\folder\*.png");

// Extract all pages to JPG images with specified dimensions
pdf.RasterizeToImageFiles(@"C:\image\folder\example_pdf_image_*.jpg", 100, 80);

' Extract all pages to a folder as image files with PNG format
pdf.RasterizeToImageFiles("C:\image\folder\*.png")

' Extract all pages to JPG images with specified dimensions
pdf.RasterizeToImageFiles("C:\image\folder\example_pdf_image_*.jpg", 100, 80)

Finalmente, o código usa o método ToBitmap para extrair todas as páginas do documento PDF como objetos AnyBitmap, que podem ser processados ​​e manipulados posteriormente dentro do código.

// Extract all pages as AnyBitmap objects for further processing
AnyBitmap[] pdfBitmaps = pdf.ToBitmap();

// Extract all pages as AnyBitmap objects for further processing
AnyBitmap[] pdfBitmaps = pdf.ToBitmap();

' Extract all pages as AnyBitmap objects for further processing
Dim pdfBitmaps() As AnyBitmap = pdf.ToBitmap()

O código acima demonstra como extrair o conteúdo de um arquivo PDF usando o IronPDF e salvar os dados extraídos como arquivos de imagem ou objetos AnyBitmap para processamento posterior.

Etapa 7: Manipular páginas do PDF

Vamos aprender como manipular as páginas de um documento PDF usando o IronPDF.

O código primeiro remove as páginas dois e três do documento PDF usando o método RemovePages :

// Remove pages two and three from the PDF document
pdf.RemovePages(1, 2);

// Remove pages two and three from the PDF document
pdf.RemovePages(1, 2);

' Remove pages two and three from the PDF document
pdf.RemovePages(1, 2)

O método RemovePages recebe dois argumentos: a página inicial a ser removida (neste caso, a página 2, representada como 1, já que a numeração das páginas começa em 0) e o número de páginas a serem removidas (neste caso, 2 páginas).

Passo 6: Salve o PDF

Finalmente, você pode salvar o arquivo PDF em seu sistema local usando o método SaveAs . O código para salvar o arquivo PDF é o seguinte:

// Save the PDF document to a specified output path
pdf.SaveAs(outputPath);

// Save the PDF document to a specified output path
pdf.SaveAs(outputPath);

' Save the PDF document to a specified output path
pdf.SaveAs(outputPath)