C#'ta IronPDF kullanarak iTextSharp ile PDF'den Metin Çıkarma

IronPDF ile PDF Dosyalarından Metin Çıkarma

Kurulum tamamlandıktan sonra, metin çıkarmak basittir:

using IronPdf;

// Load the PDF document
var pdf = PdfDocument.FromFile("invoice.pdf");

// Extract text from the PDF
string extractedText = pdf.ExtractAllText();

// Output the extracted text
Console.WriteLine(extractedText);

using IronPdf;

// Load the PDF document
var pdf = PdfDocument.FromFile("invoice.pdf");

// Extract text from the PDF
string extractedText = pdf.ExtractAllText();

// Output the extracted text
Console.WriteLine(extractedText);

Imports IronPdf

' Load the PDF document
Private pdf = PdfDocument.FromFile("invoice.pdf")

' Extract text from the PDF
Private extractedText As String = pdf.ExtractAllText()

' Output the extracted text
Console.WriteLine(extractedText)

Not: Bu yöntem, geleneksel kütüphanelere kıyasla saatler süren ayrıştırma süresini kaydederek tüm PDF dosyasını okur ve metni okuma sırasına göre döndürür.

Kodlamalar, içerik akışları veya manuel ayrıştırmayla uğraşmanıza gerek yok. IronPDF bunların hepsini dahili olarak ele alır, minimal kurulumla temiz ve doğru çıktı sağlar. Daha sonra, çıkarılan metni daha fazla manipüle etmek veya kullanmak için kolayca yeni bir metin dosyasına kaydedebilirsiniz.

iTextSharp ile PDF belgelerinden Metin Çıkarma

İşte tek bir PDF sayfasından metin çıkarmak için bir örnek:

using iText.Kernel.Pdf;
using iText.Kernel.Pdf.Canvas.Parser;
using iText.Kernel.Pdf.Canvas.Parser.Listener;

// Define the path to your PDF
string path = "sample.pdf";

// Open the PDF reader and document
using (PdfReader reader = new PdfReader(path))
using (PdfDocument pdf = new PdfDocument(reader))
{
    // Use a simple text extraction strategy
    var strategy = new SimpleTextExtractionStrategy();

    // Extract text from the first page
    string pageText = PdfTextExtractor.GetTextFromPage(pdf.GetPage(1), strategy);

    // Output the extracted text
    Console.WriteLine(pageText);
}

using iText.Kernel.Pdf;
using iText.Kernel.Pdf.Canvas.Parser;
using iText.Kernel.Pdf.Canvas.Parser.Listener;

// Define the path to your PDF
string path = "sample.pdf";

// Open the PDF reader and document
using (PdfReader reader = new PdfReader(path))
using (PdfDocument pdf = new PdfDocument(reader))
{
    // Use a simple text extraction strategy
    var strategy = new SimpleTextExtractionStrategy();

    // Extract text from the first page
    string pageText = PdfTextExtractor.GetTextFromPage(pdf.GetPage(1), strategy);

    // Output the extracted text
    Console.WriteLine(pageText);
}

Imports iText.Kernel.Pdf
Imports iText.Kernel.Pdf.Canvas.Parser
Imports iText.Kernel.Pdf.Canvas.Parser.Listener

' Define the path to your PDF
Private path As String = "sample.pdf"

' Open the PDF reader and document
Using reader As New PdfReader(path)
Using pdf As New PdfDocument(reader)
	' Use a simple text extraction strategy
	Dim strategy = New SimpleTextExtractionStrategy()

	' Extract text from the first page
	Dim pageText As String = PdfTextExtractor.GetTextFromPage(pdf.GetPage(1), strategy)

	' Output the extracted text
	Console.WriteLine(pageText)
End Using
End Using

Bu örnek iTextSharp'ın yeteneğini gösterir, ancak basit bir görevi gerçekleştirmek için gereken fazlalığı ve ek nesneleri gözlemleyin.

Gelişmiş Örnek: IronPDF ile Sayfa Aralığından Metin Çıkarma

IronPDF, sayfa seçimi ve düzen farkındalıklı metin çıkarımı üzerinde ayrıntılı kontrol sağlar.

using IronPdf;

// Load the PDF document
var pdf = PdfDocument.FromFile("longPdf.pdf");

// Define the page numbers to extract text from
int[] pages = new[] { 2, 3, 4 };

// Extract text from the specified pages
var text = pdf.ExtractTextFromPages(pages);

// Output the extracted text
Console.WriteLine("Extracted text from pages 2, 3, and 4:\n" + text);

using IronPdf;

// Load the PDF document
var pdf = PdfDocument.FromFile("longPdf.pdf");

// Define the page numbers to extract text from
int[] pages = new[] { 2, 3, 4 };

// Extract text from the specified pages
var text = pdf.ExtractTextFromPages(pages);

// Output the extracted text
Console.WriteLine("Extracted text from pages 2, 3, and 4:\n" + text);

Imports Microsoft.VisualBasic
Imports IronPdf

' Load the PDF document
Private pdf = PdfDocument.FromFile("longPdf.pdf")

' Define the page numbers to extract text from
Private pages() As Integer = { 2, 3, 4 }

' Extract text from the specified pages
Private text = pdf.ExtractTextFromPages(pages)

' Output the extracted text
Console.WriteLine("Extracted text from pages 2, 3, and 4:" & vbLf & text)

Gelişmiş Örnek: iTextSharp ile Sayfa Aralığından Metin Çıkarma

iTextSharp'ta sayfa aralığını manuel olarak belirtilmeli ve PdfTextExtractor kullanılarak metni çıkarmalısınız:

using iTextSharp.text.pdf;
using iTextSharp.text.pdf.parser;
using System.IO;
using System.Text;

// Load the PDF document
PdfReader reader = new PdfReader("longPdf.pdf");
StringBuilder textBuilder = new StringBuilder();

// Extract text from pages 2–4
for (int i = 2; i <= 4; i++)
{
    string pageText = PdfTextExtractor.GetTextFromPage(reader, i, new LocationTextExtractionStrategy());
    textBuilder.AppendLine(pageText);
}

// Output the extracted text
Console.WriteLine(textBuilder.ToString());

// Close the PDF reader
reader.Close();

using iTextSharp.text.pdf;
using iTextSharp.text.pdf.parser;
using System.IO;
using System.Text;

// Load the PDF document
PdfReader reader = new PdfReader("longPdf.pdf");
StringBuilder textBuilder = new StringBuilder();

// Extract text from pages 2–4
for (int i = 2; i <= 4; i++)
{
    string pageText = PdfTextExtractor.GetTextFromPage(reader, i, new LocationTextExtractionStrategy());
    textBuilder.AppendLine(pageText);
}

// Output the extracted text
Console.WriteLine(textBuilder.ToString());

// Close the PDF reader
reader.Close();

Imports iTextSharp.text.pdf
Imports iTextSharp.text.pdf.parser
Imports System.IO
Imports System.Text

' Load the PDF document
Private reader As New PdfReader("longPdf.pdf")
Private textBuilder As New StringBuilder()

' Extract text from pages 2–4
For i As Integer = 2 To 4
	Dim pageText As String = PdfTextExtractor.GetTextFromPage(reader, i, New LocationTextExtractionStrategy())
	textBuilder.AppendLine(pageText)
Next i

' Output the extracted text
Console.WriteLine(textBuilder.ToString())

' Close the PDF reader
reader.Close()

Kod Karşılaştırma Özeti

Hem IronPDF hem de iTextSharp, gelişmiş PDF metin çıkarmasında yeteneklidirler, ancak yaklaşımları karmaşıklık ve netlik açısından önemli ölçüde farklılık gösterir:

• IronPDF, her şeyi temiz ve erişilebilir tutar. PdfDocument.ExtractAllText() gibi üst düzey yöntemleri, minimal kurulumla yapılandırılmış içerik çıkarmanıza olanak tanır. Kod doğrudandır, PDF işleme konusunda yeni olan geliştiriciler için bile uygulama kolaydır.

• iTextSharp ise, PDF yapısının daha derin bir şekilde anlaşılmasını gerektirir. Metin çıkarımı, özel render dinleyicileri kurmayı, sayfaları manuel olarak yönetmeyi ve her satırda düzen verilerini yorumlamayı içerir. Güçlü olmasına rağmen, daha fazladır ve daha az sezgiseldir, bu da IronPDF'yi çoğu .NET projesi için daha hızlı ve daha bakımı kolay bir seçenek haline getirir.

Ancak karşılaştırmamız burada bitmiyor. Şimdi bu iki kütüphanenin diğer alanlarda nasıl karşılaştırıldığını görelim.

1. Kullanım Kolaylığı

IronPDF: Temiz ve Modern API

IronPDF geliştirici deneyimine vurgu yapıyor. NuGet aracılığıyla kurulumu kolaydır ve sözdizimi sezgiseldir:

using IronPdf;

// Load the PDF
var pdf = PdfDocument.FromFile("sample.pdf");

// Extract all text from every page
string extractedText = pdf.ExtractAllText();

// Output the extracted text
Console.WriteLine(extractedText);

using IronPdf;

// Load the PDF
var pdf = PdfDocument.FromFile("sample.pdf");

// Extract all text from every page
string extractedText = pdf.ExtractAllText();

// Output the extracted text
Console.WriteLine(extractedText);

Imports IronPdf

' Load the PDF
Private pdf = PdfDocument.FromFile("sample.pdf")

' Extract all text from every page
Private extractedText As String = pdf.ExtractAllText()

' Output the extracted text
Console.WriteLine(extractedText)

IronPDF, ExtractAllText() gibi basit yöntem çağrılarının arkasındaki karmaşıklığı soyutlar, hiçbir ön tanımlık veya ayrıştırma mantığı gerektirmez.

iTextSharp: Daha Fazla Fazlalık ve Daha Düşük Seviye

iTextSharp, her sayfanın manuel olarak ayrıştırılmasını ve düz metni çıkarmak için daha fazla çaba gösterilmesini gerektirir.

using iTextSharp.text.pdf;
using iTextSharp.text.pdf.parser;
using System.IO;
using System.Text;

// Load the PDF
var reader = new PdfReader("sample.pdf");
StringBuilder text = new StringBuilder();

for (int i = 1; i <= reader.NumberOfPages; i++)
{
    text.Append(PdfTextExtractor.GetTextFromPage(reader, i));
}

// Output the extracted text
Console.WriteLine(text.ToString());

using iTextSharp.text.pdf;
using iTextSharp.text.pdf.parser;
using System.IO;
using System.Text;

// Load the PDF
var reader = new PdfReader("sample.pdf");
StringBuilder text = new StringBuilder();

for (int i = 1; i <= reader.NumberOfPages; i++)
{
    text.Append(PdfTextExtractor.GetTextFromPage(reader, i));
}

// Output the extracted text
Console.WriteLine(text.ToString());

Imports iTextSharp.text.pdf
Imports iTextSharp.text.pdf.parser
Imports System.IO
Imports System.Text

' Load the PDF
Private reader = New PdfReader("sample.pdf")
Private text As New StringBuilder()

For i As Integer = 1 To reader.NumberOfPages
	text.Append(PdfTextExtractor.GetTextFromPage(reader, i))
Next i

' Output the extracted text
Console.WriteLine(text.ToString())

Geliştiricilerin sayfalar arasında manuel döngü yapması gerekir, bu da daha fazla kod ve kenar durumlar ortaya çıkarsa hata olasılığını artırır.

2. Performans ve Güvenilirlik

• IronPDF, modern bir rendering motoru (Chromium) üzerine inşa edilmiştir ve gömülü yazı tipleri, döndürülmüş metin ve birden fazla düzen içeren modern PDF'ler için uygun hale getirir. Metin çıkarımı, düzen farkındalıklıdır ve boşlukları daha doğal bir şekilde korur.

• iTextSharp, güçlü olmasına rağmen karmaşık formatlamada sorun yaşayabilir. Karışık yönlendirmeye veya standart dışı kodlamalara sahip PDF dosyaları, çarpık veya yanlış sıralanmış metin verebilir.

3. Maliyet ve Lisanslama

4. Geliştirici Desteği ve Belgeler

• IronPDF: Modern belgeler, video öğreticiler ve hızlı bilet tabanlı destek ile birlikte gelir.

• iTextSharp: İyi belgeler, ancak ücretli müşteri olmadığınız sürece ücretsiz destek sınırlıdır.

5. Kütüphaneler Arası Özet