1. IronPDF
  2. Tutoriais
  3. C# analisa PDF
Como ler arquivos PDF em Node.js

Analisador de PDF em C

Curtis Chau
Curtis Chau
Atualizado:
This article was translated from English: Does it need improvement?
Translated
View the article in English

Analise arquivos PDF em C# usando o método ExtractAllText do IronPDF para extrair texto de documentos inteiros ou páginas específicas. Essa abordagem proporciona uma extração de texto em PDF simples e eficiente para aplicações .NET com apenas algumas linhas de código.

O IronPDF simplifica a análise de PDFs em aplicações C#. Este tutorial demonstra como usar o IronPDF , uma biblioteca C# abrangente para geração e manipulação de PDFs , para analisar PDFs em apenas alguns passos.

Início Rápido: Análise Eficiente de PDFs com IronPDF

Comece a analisar PDFs em C# usando o IronPDF com o mínimo de código. Este exemplo mostra como extrair todo o texto de um arquivo PDF, mantendo sua formatação original. O método ExtractAllText do IronPDF permite a integração perfeita da análise de PDFs em aplicações .NET . Siga estes passos para uma configuração e execução simples.

  1. Instale IronPDF com o Gerenciador de Pacotes NuGet

    PM > Install-Package IronPdf

  2. Copie e execute este trecho de código.

    var text = IronPdf.FromFile("sample.pdf").ExtractAllText();

  3. Implante para testar em seu ambiente de produção.

    Comece a usar IronPDF em seu projeto hoje com uma avaliação gratuita

    arrow pointer

Fluxo de trabalho mínimo (5 etapas)

  1. Baixe a biblioteca de análise de PDF em C#
  2. Instale no seu Visual Studio.
  3. Utilize o método `ExtractAllText` para extrair cada linha de texto.
  4. Extraia todo o texto de uma única página com o método `ExtractTextFromPage`
  5. Visualizar conteúdo do PDF analisado

Como faço para analisar arquivos PDF em C#?

Analisar arquivos PDF é simples com o IronPDF. O código abaixo utiliza o método ExtractAllText para extrair cada linha de texto de todo o documento PDF. A comparação mostra o conteúdo extraído do PDF juntamente com sua saída. A biblioteca também oferece suporte à extração de texto e imagens de seções específicas de documentos PDF.

:path=/static-assets/pdf/content-code-examples/how-to/csharp-parse-pdf-parse-pdf.cs
using IronPdf;

// Select the desired PDF File
PdfDocument pdf = PdfDocument.FromFile("sample.pdf");

// Extract all text from an pdf
string allText = pdf.ExtractAllText();

// Extract all text from page 1
string page1Text = pdf.ExtractTextFromPage(0);
Imports IronPdf

' Select the desired PDF File
Private pdf As PdfDocument = PdfDocument.FromFile("sample.pdf")

' Extract all text from an pdf
Private allText As String = pdf.ExtractAllText()

' Extract all text from page 1
Private page1Text As String = pdf.ExtractTextFromPage(0)
$vbLabelText   $csharpLabel

O IronPDF simplifica a análise de PDFs em diversos cenários. Seja para trabalhar com conversões de HTML para PDF , extrair conteúdo de documentos existentes ou implementar recursos avançados de PDF , a biblioteca oferece suporte abrangente.

O IronPDF oferece integração perfeita com aplicativos Windows e suporta implantação em plataformas Linux e macOS . A biblioteca também oferece suporte à implantação no Azure para soluções baseadas em nuvem.

Exemplos avançados de extração de texto

Aqui estão algumas maneiras adicionais de analisar conteúdo de PDF usando o IronPDF:

using IronPdf;

// Parse PDF from URL
var pdfFromUrl = PdfDocument.FromUrl("https://example.com/document.pdf");
string urlPdfText = pdfFromUrl.ExtractAllText();

// Parse password-protected PDFs
var protectedPdf = PdfDocument.FromFile("protected.pdf", "password123");
string protectedText = protectedPdf.ExtractAllText();

// Extract text from specific page range
var largePdf = PdfDocument.FromFile("large-document.pdf");
for (int i = 5; i < 10; i++)
{
    string pageText = largePdf.ExtractTextFromPage(i);
    Console.WriteLine($"Page {i + 1}: {pageText.Substring(0, 100)}...");
}
using IronPdf;

// Parse PDF from URL
var pdfFromUrl = PdfDocument.FromUrl("https://example.com/document.pdf");
string urlPdfText = pdfFromUrl.ExtractAllText();

// Parse password-protected PDFs
var protectedPdf = PdfDocument.FromFile("protected.pdf", "password123");
string protectedText = protectedPdf.ExtractAllText();

// Extract text from specific page range
var largePdf = PdfDocument.FromFile("large-document.pdf");
for (int i = 5; i < 10; i++)
{
    string pageText = largePdf.ExtractTextFromPage(i);
    Console.WriteLine($"Page {i + 1}: {pageText.Substring(0, 100)}...");
}
Imports IronPdf

' Parse PDF from URL
Dim pdfFromUrl = PdfDocument.FromUrl("https://example.com/document.pdf")
Dim urlPdfText As String = pdfFromUrl.ExtractAllText()

' Parse password-protected PDFs
Dim protectedPdf = PdfDocument.FromFile("protected.pdf", "password123")
Dim protectedText As String = protectedPdf.ExtractAllText()

' Extract text from specific page range
Dim largePdf = PdfDocument.FromFile("large-document.pdf")
For i As Integer = 5 To 9
    Dim pageText As String = largePdf.ExtractTextFromPage(i)
    Console.WriteLine($"Page {i + 1}: {pageText.Substring(0, 100)}...")
Next
$vbLabelText   $csharpLabel

Esses exemplos demonstram a flexibilidade do IronPDF ao lidar com diferentes fontes e cenários de PDF. Para necessidades de análise sintática complexas, explore o acesso a objetos DOM do PDF para trabalhar com conteúdo estruturado.

Lidando com diferentes tipos de PDF

O IronPDF se destaca na análise de diversos tipos de PDF:

using IronPdf;
using System.Text.RegularExpressions;

// Parse scanned PDFs with OCR (requires IronOcr)
var scannedPdf = PdfDocument.FromFile("scanned-document.pdf");
string ocrText = scannedPdf.ExtractAllText();

// Parse PDFs with forms
var formPdf = PdfDocument.FromFile("form.pdf");
string formText = formPdf.ExtractAllText();

// Extract and filter specific content
string invoiceText = pdf.ExtractAllText();
var invoiceNumber = Regex.Match(invoiceText, @"Invoice #: (\d+)").Groups[1].Value;
var totalAmount = Regex.Match(invoiceText, @"Total: \$([0-9,]+\.\d{2})").Groups[1].Value;
using IronPdf;
using System.Text.RegularExpressions;

// Parse scanned PDFs with OCR (requires IronOcr)
var scannedPdf = PdfDocument.FromFile("scanned-document.pdf");
string ocrText = scannedPdf.ExtractAllText();

// Parse PDFs with forms
var formPdf = PdfDocument.FromFile("form.pdf");
string formText = formPdf.ExtractAllText();

// Extract and filter specific content
string invoiceText = pdf.ExtractAllText();
var invoiceNumber = Regex.Match(invoiceText, @"Invoice #: (\d+)").Groups[1].Value;
var totalAmount = Regex.Match(invoiceText, @"Total: \$([0-9,]+\.\d{2})").Groups[1].Value;
Imports IronPdf
Imports System.Text.RegularExpressions

' Parse scanned PDFs with OCR (requires IronOcr)
Dim scannedPdf = PdfDocument.FromFile("scanned-document.pdf")
Dim ocrText As String = scannedPdf.ExtractAllText()

' Parse PDFs with forms
Dim formPdf = PdfDocument.FromFile("form.pdf")
Dim formText As String = formPdf.ExtractAllText()

' Extract and filter specific content
Dim invoiceText As String = pdf.ExtractAllText()
Dim invoiceNumber = Regex.Match(invoiceText, "Invoice #: (\d+)").Groups(1).Value
Dim totalAmount = Regex.Match(invoiceText, "Total: \$([0-9,]+\.\d{2})").Groups(1).Value
$vbLabelText   $csharpLabel

Como faço para visualizar o conteúdo do PDF analisado?

O formulário C# exibe o conteúdo do PDF analisado a partir da execução do código acima. Esta saída fornece o texto exato de um PDF para fins de processamento de documentos.

~ PDF ~

Tutorial em PDF mostrando a instalação do IronPDF e a conversão de HTML para PDF com exemplo de código C# no Adobe Acrobat.

~ Formulário C# ~

Janela do aplicativo IronPDF exibindo o texto PDF extraído com instruções de instalação e uso.

O texto extraído mantém a formatação e a estrutura originais do PDF, tornando-o ideal para processamento de dados, análise de conteúdo ou tarefas de migração. Processe este texto posteriormente, localizando e substituindo conteúdo específico ou exportando-o para outros formatos.

Integrando a análise de PDFs em seus aplicativos

Os recursos de análise sintática do IronPDF se integram a diversos tipos de aplicativos:

// ASP.NET Core example
public IActionResult ParseUploadedPdf(IFormFile pdfFile)
{
    using var stream = pdfFile.OpenReadStream();
    var pdf = PdfDocument.FromStream(stream);

    var extractedText = pdf.ExtractAllText();

    // Process or store the extracted text
    return Json(new { 
        success = true, 
        textLength = extractedText.Length,
        preview = extractedText.Substring(0, Math.Min(500, extractedText.Length))
    });
}

// Console application example
static void BatchParsePdfs(string folderPath)
{
    var pdfFiles = Directory.GetFiles(folderPath, "*.pdf");

    foreach (var file in pdfFiles)
    {
        var pdf = PdfDocument.FromFile(file);
        var text = pdf.ExtractAllText();

        // Save extracted text
        var textFile = Path.ChangeExtension(file, ".txt");
        File.WriteAllText(textFile, text);

        Console.WriteLine($"Parsed: {Path.GetFileName(file)} - {text.Length} characters");
    }
}
// ASP.NET Core example
public IActionResult ParseUploadedPdf(IFormFile pdfFile)
{
    using var stream = pdfFile.OpenReadStream();
    var pdf = PdfDocument.FromStream(stream);

    var extractedText = pdf.ExtractAllText();

    // Process or store the extracted text
    return Json(new { 
        success = true, 
        textLength = extractedText.Length,
        preview = extractedText.Substring(0, Math.Min(500, extractedText.Length))
    });
}

// Console application example
static void BatchParsePdfs(string folderPath)
{
    var pdfFiles = Directory.GetFiles(folderPath, "*.pdf");

    foreach (var file in pdfFiles)
    {
        var pdf = PdfDocument.FromFile(file);
        var text = pdf.ExtractAllText();

        // Save extracted text
        var textFile = Path.ChangeExtension(file, ".txt");
        File.WriteAllText(textFile, text);

        Console.WriteLine($"Parsed: {Path.GetFileName(file)} - {text.Length} characters");
    }
}
Imports Microsoft.AspNetCore.Mvc
Imports System.IO

' ASP.NET Core example
Public Function ParseUploadedPdf(pdfFile As IFormFile) As IActionResult
    Using stream = pdfFile.OpenReadStream()
        Dim pdf = PdfDocument.FromStream(stream)

        Dim extractedText = pdf.ExtractAllText()

        ' Process or store the extracted text
        Return Json(New With {
            .success = True,
            .textLength = extractedText.Length,
            .preview = extractedText.Substring(0, Math.Min(500, extractedText.Length))
        })
    End Using
End Function

' Console application example
Private Shared Sub BatchParsePdfs(folderPath As String)
    Dim pdfFiles = Directory.GetFiles(folderPath, "*.pdf")

    For Each file In pdfFiles
        Dim pdf = PdfDocument.FromFile(file)
        Dim text = pdf.ExtractAllText()

        ' Save extracted text
        Dim textFile = Path.ChangeExtension(file, ".txt")
        File.WriteAllText(textFile, text)

        Console.WriteLine($"Parsed: {Path.GetFileName(file)} - {text.Length} characters")
    Next
End Sub
$vbLabelText   $csharpLabel

Estes exemplos mostram a incorporação da análise de PDFs em aplicações web e cenários de processamento em lote. Para implementações avançadas, explore técnicas assíncronas e de multithreading para melhorar o desempenho ao processar vários PDFs.

Pronto para ver o que mais você pode fazer? Confira nossa página de tutoriais aqui: Editar PDFs

Perguntas frequentes

Como faço para extrair todo o texto de um arquivo PDF em C#?

Você pode extrair todo o texto de um arquivo PDF usando o método ExtractAllText do IronPDF. Basta carregar seu PDF com IronPDF.FromFile("sample.pdf") e chamar ExtractAllText() para recuperar todo o conteúdo de texto, mantendo a formatação original.

Qual é a maneira mais simples de analisar um PDF em .NET?

A maneira mais simples é usar o IronPDF com apenas uma linha de código: `var text = IronPDF.FromFile("sample.pdf").ExtractAllText()`. Este método extrai todas as linhas de texto de todo o documento PDF com configuração mínima necessária.

Posso extrair texto de uma página específica de um PDF?

Sim, o IronPDF oferece o método ExtractTextFromPage para extrair texto de páginas individuais. Isso permite que você selecione seções específicas do seu documento PDF em vez de extrair todo o conteúdo de uma só vez.

Como faço para analisar PDFs protegidos por senha em C#?

O IronPDF suporta a análise de PDFs protegidos por senha. Use PdfDocument.FromFile("protected.pdf", "password123") para carregar o documento protegido e, em seguida, chame ExtractAllText() para extrair o conteúdo do texto.

Posso analisar PDFs a partir de URLs em vez de arquivos locais?

Sim, o IronPDF pode analisar PDFs diretamente de URLs usando PdfDocument.FromUrl("https://example.com/document.pdf"). Após carregar o PDF da URL, use ExtractAllText() para extrair o conteúdo de texto.

Quais plataformas o analisador de PDF suporta?

O IronPDF oferece suporte à análise de PDFs em diversas plataformas, incluindo aplicativos Windows, Linux, macOS e implantações na nuvem Azure, proporcionando ampla compatibilidade multiplataforma para seus aplicativos .NET.

O analisador de PDF mantém a formatação do texto durante a extração?

Sim, o método ExtractAllText do IronPDF mantém a formatação original do conteúdo do PDF durante a extração, garantindo que o texto analisado preserve sua estrutura e layout do documento original.

Posso extrair texto e imagens de PDFs?

O IronPDF permite extrair tanto texto quanto imagens de documentos PDF. Além do método ExtractAllText para extração de texto, a biblioteca oferece funcionalidades adicionais para extrair imagens de seções específicas de documentos PDF.

Curtis Chau
Curtis Chau
  Converse agora mesmo com a equipe de engenharia.
Redator Técnico

Curtis Chau é bacharel em Ciência da Computação (Universidade Carleton) e se especializa em desenvolvimento front-end, com experiência em Node.js, TypeScript, JavaScript e React. Apaixonado por criar interfaces de usuário intuitivas e esteticamente agradáveis, Curtis gosta de trabalhar com frameworks modernos e criar manuais ...

Leia mais
Pronto para começar?
Nuget Downloads 18,318,263 | Versão: 2026.4 acaba de ser lançado
Still Scrolling Icon

Ainda está rolando a tela?

Quer provas rápidas? PM > Install-Package IronPdf
executar um exemplo Veja seu HTML se transformar em um PDF.