ASP.NET Core'da PDF Dosyalarından Verileri Nasıl Okunur

IronPDF ASP.NET Core Projesine Nasıl Kurulur?

Başlamak basittir. NuGet Paket Yöneticisi Konsolu veya .NET CLIdan IronPDF NuGet paketini şu komutlardan biriyle yükleyin:

Install-Package IronPdf
dotnet add package IronPdf

Install-Package IronPdf
dotnet add package IronPdf

Paket yüklendikten sonra, PDF belgeleri ile çalışan herhangi bir dosyanın en üstüne IronPDF ad alanını ekleyin:

using IronPdf;

using IronPdf;

Imports IronPdf

Çoğu proje için gerekli olan tek kurulum budur. IronPDF, Windows üzerinde harici render işlemlerine veya ek yerel bağımlılıklara ihtiyaç duymaz. Linux veya Docker ortamları için, platforma özel bilgiler için IronPDF dokümantasyonuna başvurun.

Ücretsiz deneme lisansı, üretim kullanımına karar vermeden önce tüm özellik setini test etmenize olanak tanır. Denemeye başlamadan önce, doğrudan IronPDF sitesinden bir deneme lisansı alabilir ve bunu ilk PDF işleminizden önce tek bir kod satırıyla uygulayabilirsiniz.

Bir PDF Dosyasından Metin Nasıl Çıkarılır?

Metin çekimi en yaygın PDF okuma işlemidir. IronPDF, bir belgedeki tüm okunabilir metni çekmek için ExtractAllText ve sayfa düzeyinde erişim için ExtractTextFromPage sağlar. Her iki yöntem de okuma sırasını korur ve standart metin kodlamalarını ele alır.

// Load a PDF document from disk
var pdf = PdfDocument.FromFile("document.pdf");

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

// Extract text from a specific page (zero-based index)
string pageOneText = pdf.ExtractTextFromPage(0);

Console.WriteLine(allText);

// Load a PDF document from disk
var pdf = PdfDocument.FromFile("document.pdf");

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

// Extract text from a specific page (zero-based index)
string pageOneText = pdf.ExtractTextFromPage(0);

Console.WriteLine(allText);

Imports System

' Load a PDF document from disk
Dim pdf = PdfDocument.FromFile("document.pdf")

' Extract all text from every page
Dim allText As String = pdf.ExtractAllText()

' Extract text from a specific page (zero-based index)
Dim pageOneText As String = pdf.ExtractTextFromPage(0)

Console.WriteLine(allText)

ExtractAllText, satır sonlarını koruyarak tam metin içeriğini tek bir dize olarak döndürür. ExtractTextFromPage, sıfır tabanlı bir indeks kullanarak tek bir sayfayı hedefler, bu da yalnızca çok sayfalı bir belgenin belirli bir bölümünden içerik gerektiğinde faydalıdır.

Metin ve resim çıkarma seçeneklerine derinlemesine bir bakış için, bölge tabanlı çıkarma dahil gelişmiş senaryoları kapsayan PDF'den metin çıkarma kılavuzuna bakın.

using IronPdf;
using Microsoft.AspNetCore.Http;
using Microsoft.AspNetCore.Mvc;
using System.IO;

[ApiController]
[Route("api/[controller]")]
public class PdfController : ControllerBase
{
    [HttpPost("extract-text")]
    public IActionResult ExtractText(IFormFile pdfFile)
    {
        if (pdfFile == null || pdfFile.Length == 0)
            return BadRequest("No PDF file uploaded.");

        using var stream = new MemoryStream();
        pdfFile.CopyTo(stream);

        var pdf = new PdfDocument(stream.ToArray());
        string extractedText = pdf.ExtractAllText();

        return Ok(new { text = extractedText });
    }
}

using IronPdf;
using Microsoft.AspNetCore.Http;
using Microsoft.AspNetCore.Mvc;
using System.IO;

[ApiController]
[Route("api/[controller]")]
public class PdfController : ControllerBase
{
    [HttpPost("extract-text")]
    public IActionResult ExtractText(IFormFile pdfFile)
    {
        if (pdfFile == null || pdfFile.Length == 0)
            return BadRequest("No PDF file uploaded.");

        using var stream = new MemoryStream();
        pdfFile.CopyTo(stream);

        var pdf = new PdfDocument(stream.ToArray());
        string extractedText = pdf.ExtractAllText();

        return Ok(new { text = extractedText });
    }
}

Imports IronPdf
Imports Microsoft.AspNetCore.Http
Imports Microsoft.AspNetCore.Mvc
Imports System.IO

<ApiController>
<Route("api/[controller]")>
Public Class PdfController
    Inherits ControllerBase

    <HttpPost("extract-text")>
    Public Function ExtractText(pdfFile As IFormFile) As IActionResult
        If pdfFile Is Nothing OrElse pdfFile.Length = 0 Then
            Return BadRequest("No PDF file uploaded.")
        End If

        Using stream As New MemoryStream()
            pdfFile.CopyTo(stream)

            Dim pdf As New PdfDocument(stream.ToArray())
            Dim extractedText As String = pdf.ExtractAllText()

            Return Ok(New With {.text = extractedText})
        End Using
    End Function
End Class

ASP.NET Core'da PDF Form Verileri Nasıl Okunur?

PDF formları -- ayrıca AcroForms olarak adlandırılır -- kullanıcıların doldurduğu etkileşimli alanlar içerir. IronPDF, belgedeki her alanın adını ve değerini vererek PdfDocument'in Form özelliği aracılığıyla form alanlarını sunar.

Aşağıdaki uç nokta, yüklenen bir form PDF'sini okur ve tüm alan değerlerini bir JSON dizisi olarak döndürür:

[HttpPost("extract-form")]
public IActionResult ExtractForm([FromForm] IFormFile pdfFile)
{
    if (pdfFile == null || pdfFile.Length == 0)
        return BadRequest("No PDF file uploaded.");

    using var stream = new MemoryStream();
    pdfFile.CopyTo(stream);

    var pdf = new PdfDocument(stream.ToArray());
    var formData = new Dictionary<string, string>();

    if (pdf.Form != null)
    {
        foreach (var field in pdf.Form)
        {
            formData[field.Name] = field.Value;
        }
    }

    return Ok(new { formFields = formData });
}

[HttpPost("extract-form")]
public IActionResult ExtractForm([FromForm] IFormFile pdfFile)
{
    if (pdfFile == null || pdfFile.Length == 0)
        return BadRequest("No PDF file uploaded.");

    using var stream = new MemoryStream();
    pdfFile.CopyTo(stream);

    var pdf = new PdfDocument(stream.ToArray());
    var formData = new Dictionary<string, string>();

    if (pdf.Form != null)
    {
        foreach (var field in pdf.Form)
        {
            formData[field.Name] = field.Value;
        }
    }

    return Ok(new { formFields = formData });
}

Imports Microsoft.AspNetCore.Mvc
Imports System.IO

<HttpPost("extract-form")>
Public Function ExtractForm(<FromForm> pdfFile As IFormFile) As IActionResult
    If pdfFile Is Nothing OrElse pdfFile.Length = 0 Then
        Return BadRequest("No PDF file uploaded.")
    End If

    Using stream As New MemoryStream()
        pdfFile.CopyTo(stream)

        Dim pdf = New PdfDocument(stream.ToArray())
        Dim formData As New Dictionary(Of String, String)()

        If pdf.Form IsNot Nothing Then
            For Each field In pdf.Form
                formData(field.Name) = field.Value
            Next
        End If

        Return Ok(New With {.formFields = formData})
    End Using
End Function

pdf.Form içindeki her alanın bir Name özelliği (PDF oluşturma aracında ayarlanan alan tanımlayıcısı) ve kullanıcı tarafından girilen metin veya seçimi içeren bir Value özelliği vardır. Metin kutuları, onay kutuları, radyo düğmeleri ve açılır menüler bu koleksiyonda görünür.

JSON yanıtı, form gönderimlerini bir veritabanına, üçüncü taraf bir API'ye veya bir mesaj kuyruğuna herhangi bir ek ayrıştırmaya ihtiyaç duymadan iletmeyi kolaylaştırır. Çalışma akışları, PDF formlarını programlı olarak oluşturmayı veya düzenlemeyi içeriyorsa, PDF formları rehberi alanların nasıl ekleneceğini ve değerlerin önceden doldurulacağını gösterir.

PDF'den Tablo Verileri Nasıl Çıkarılır?

PDF dosyalarındaki tablolar, konumlanmış metin olarak saklanır - PDF formatında yerel bir tablo veri yapısı yoktur. Bu nedenle, tablo verilerini çıkarmak, ham metni çıkarmak ve ardından satır ve sütunları yeniden oluşturmak için ayrıştırma mantığı uygulamak anlamına gelir.

IronPDF'nin ExtractAllText, satır ve sekme karakterlerini korur, bu da programatik olarak satırları sütunlara ayırmayı mümkün kılar. Aşağıdaki denetleyici eylemi bu yaklaşımı gösterir:

[HttpPost("extract-table")]
public IActionResult ExtractTable([FromForm] IFormFile pdfFile)
{
    if (pdfFile == null || pdfFile.Length == 0)
        return BadRequest("No PDF file uploaded.");

    using var memoryStream = new MemoryStream();
    pdfFile.CopyTo(memoryStream);

    var pdf = new PdfDocument(memoryStream.ToArray());
    string text = pdf.ExtractAllText();

    // Split into lines, then split each line into columns
    string[] lines = text.Split(
        new[] { '\r', '\n' },
        StringSplitOptions.RemoveEmptyEntries
    );

    var tableData = new List<string[]>();
    foreach (string line in lines)
    {
        string[] columns = line
            .Split('\t')
            .Where(c => !string.IsNullOrWhiteSpace(c))
            .ToArray();

        if (columns.Length > 0)
            tableData.Add(columns);
    }

    var table = tableData.Select(r => string.Join(" | ", r)).ToList();
    return Ok(new { Table = table });
}

[HttpPost("extract-table")]
public IActionResult ExtractTable([FromForm] IFormFile pdfFile)
{
    if (pdfFile == null || pdfFile.Length == 0)
        return BadRequest("No PDF file uploaded.");

    using var memoryStream = new MemoryStream();
    pdfFile.CopyTo(memoryStream);

    var pdf = new PdfDocument(memoryStream.ToArray());
    string text = pdf.ExtractAllText();

    // Split into lines, then split each line into columns
    string[] lines = text.Split(
        new[] { '\r', '\n' },
        StringSplitOptions.RemoveEmptyEntries
    );

    var tableData = new List<string[]>();
    foreach (string line in lines)
    {
        string[] columns = line
            .Split('\t')
            .Where(c => !string.IsNullOrWhiteSpace(c))
            .ToArray();

        if (columns.Length > 0)
            tableData.Add(columns);
    }

    var table = tableData.Select(r => string.Join(" | ", r)).ToList();
    return Ok(new { Table = table });
}

Imports Microsoft.AspNetCore.Mvc
Imports System.IO
Imports System.Linq

<HttpPost("extract-table")>
Public Function ExtractTable(<FromForm> pdfFile As IFormFile) As IActionResult
    If pdfFile Is Nothing OrElse pdfFile.Length = 0 Then
        Return BadRequest("No PDF file uploaded.")
    End If

    Using memoryStream As New MemoryStream()
        pdfFile.CopyTo(memoryStream)

        Dim pdf As New PdfDocument(memoryStream.ToArray())
        Dim text As String = pdf.ExtractAllText()

        ' Split into lines, then split each line into columns
        Dim lines As String() = text.Split(New Char() {ControlChars.Cr, ControlChars.Lf}, StringSplitOptions.RemoveEmptyEntries)

        Dim tableData As New List(Of String())()
        For Each line As String In lines
            Dim columns As String() = line.Split(ControlChars.Tab).Where(Function(c) Not String.IsNullOrWhiteSpace(c)).ToArray()

            If columns.Length > 0 Then
                tableData.Add(columns)
            End If
        Next

        Dim table = tableData.Select(Function(r) String.Join(" | ", r)).ToList()
        Return Ok(New With {.Table = table})
    End Using
End Function

Bu yaklaşım, tabloları tutarlı tab ayrımlı sütunlar kullanan PDF'ler için iyi çalışır. Sütunların değişken boşluklarla ayrıldığı belgeler için, minimum boşluk sezgisi uygulamanız veya karakter konumlarını incelemeniz gerekebilir. PDF'leri birleştir veya ayır rehberi, ayıklama öncesinde tablolar içeren belirli sayfaları izole etmeniz gerektiğinde faydalıdır.

Eşzamanlı Olmayan PDF Dosyası Yüklemeleri Nasıl Ele Alınır?

Üretim ASP.NET Core uygulamaları, iş parçacığı havuzunu engellememek için dosya yüklemelerini eşzamanlı olmayan bir şekilde ele almalıdır. IFormFile.CopyToAsync yöntemi, await ile birleştirildiğinde denetleyiciyi bloke etmiyor:

[HttpPost("process-upload")]
public async Task<IActionResult> ProcessPdf([FromForm] IFormFile file)
{
    if (file == null || file.Length == 0)
        return BadRequest("No PDF file uploaded.");

    using var ms = new MemoryStream();
    await file.CopyToAsync(ms);

    var pdf = new PdfDocument(ms.ToArray());
    string text = pdf.ExtractAllText();
    int pageCount = pdf.PageCount;

    return Ok(new
    {
        text,
        pages = pageCount
    });
}

[HttpPost("process-upload")]
public async Task<IActionResult> ProcessPdf([FromForm] IFormFile file)
{
    if (file == null || file.Length == 0)
        return BadRequest("No PDF file uploaded.");

    using var ms = new MemoryStream();
    await file.CopyToAsync(ms);

    var pdf = new PdfDocument(ms.ToArray());
    string text = pdf.ExtractAllText();
    int pageCount = pdf.PageCount;

    return Ok(new
    {
        text,
        pages = pageCount
    });
}

Imports System.IO
Imports Microsoft.AspNetCore.Mvc

<HttpPost("process-upload")>
Public Async Function ProcessPdf(<FromForm> file As IFormFile) As Task(Of IActionResult)
    If file Is Nothing OrElse file.Length = 0 Then
        Return BadRequest("No PDF file uploaded.")
    End If

    Using ms As New MemoryStream()
        Await file.CopyToAsync(ms)

        Dim pdf As New PdfDocument(ms.ToArray())
        Dim text As String = pdf.ExtractAllText()
        Dim pageCount As Integer = pdf.PageCount

        Return Ok(New With {
            .text = text,
            .pages = pageCount
        })
    End Using
End Function

PdfDocument yapıcısı senkron çalışıyor, ancak yükleme adımı — genellikle hattın en yavaş kısmı — asenkron çalışıyor. Bu yapı, eşzamanlı yük altında iyi ölçeklenir ve minimum API uç noktaları, Razor Pages işleyicileri ve gRPC hizmetleriyle uyumludur.

builder.Services.Configure<FormOptions>(options =>
{
    options.MultipartBodyLengthLimit = 100 * 1024 * 1024; // 100 MB
});

builder.Services.Configure<FormOptions>(options =>
{
    options.MultipartBodyLengthLimit = 100 * 1024 * 1024; // 100 MB
});

Imports Microsoft.Extensions.DependencyInjection
Imports Microsoft.AspNetCore.Http

builder.Services.Configure(Of FormOptions)(Sub(options)
    options.MultipartBodyLengthLimit = 100 * 1024 * 1024 ' 100 MB
End Sub)

builder.WebHost.ConfigureKestrel(options =>
{
    options.Limits.MaxRequestBodySize = 100 * 1024 * 1024;
});

builder.WebHost.ConfigureKestrel(options =>
{
    options.Limits.MaxRequestBodySize = 100 * 1024 * 1024;
});

builder.WebHost.ConfigureKestrel(Sub(options)
    options.Limits.MaxRequestBodySize = 100 * 1024 * 1024
End Sub)

Çıkarılan PDF İçeriği Diğer Formatlara Nasıl Dönüştürülür?

Bir kez metin veya form verisine sahip olduğunuzda, bunu uygulamanızın gerektirdiği herhangi bir aşağı akış işlemine yönlendirebilirsiniz - veritabanı yazmaları, arama dizinleme, rapor oluşturma veya API çağrıları gibi. IronPDF ayrıca ters yönde dönüştürmeyi de destekler: HTML'yi PDF'ye render etme.

Çıkartılan içeriği görsel olarak göstermek istediğiniz durumlar için, orijinal PDF'yi görüntü olarak render edebilirsiniz, PDF'yi görüntüye dönüştürme rehberini kullanarak. Bu, PDF'yi tarayıcıda tamamen yüklemeden sayfa küçük resimlerini göstermek istediğiniz belge önizleme özellikleri için faydalıdır.

Çıkış belgelerini kullanıcılara teslim etmeden önce korumanız gerekiyorsa, IronPDF, dijital imzalar ve su işaretleri destekler. Üstbilgi ve altbilgiler rehberi'nde ele alınan üstbilgi ve altbilgi eklemeleri benzer şekilde basittir.

PDF Veri Çıkarma İşlemini Ayarladıktan Sonra Atılacak Adımlar Nelerdir?

Artık metin çıkarma, form verisi okuma, tablo ayrıştırma ve eşzamanlı olmayan yüklemeler için çalışan kalıplara sahipsiniz. İşte uygulamanızın gereksinimlerine göre keşfedilecek birkaç yön.

Çıkarma iş akışınızla birlikte PDF raporları oluşturmanız gerekiyorsa, IronPDF özellikler genel bakışı, HTML'den PDF'ye render etme, damga kaplamaları ve sayfa manipülasyonu gibi konuları kapsar. Birden fazla kaynaktan raporları birleştiren uygulamalar için, PDF'leri birleştir veya ayır rehberi belge birleştirme ve ayırma işlemlerini açıklar.

Güvenli belge teslimi için dijital imzalar PDF'leri müşterilere göndermeden önce sertifikalandırmanıza olanak tanır. Özel su işaretleri, oluşturulan belgelere görsel marka veya taslak etiketler ekler.

Projeniz taranmış PDF'lerden (arama yapılabilir metin yerine görüntüler) veri çıkartıyorsa, ExtractAllText'i çağırmadan önce bir OCR adımına ihtiyaçınız olacak. IronOCR Iron Software'den, taranmış belge iş akışlarını ele almak için IronPDF ile entegre olur.

IronPDF, bireysel geliştiriciler ve ekipler için esnek lisanslama seçenekleri altında mevcuttur. Tüm özellikleri sınırlama olmaksızın test etmek için bir ücretsiz deneme ile başlayın. Tam dokümantasyon, Windows, Linux, Docker ve bulut ortamları için API referansı, başlamaya yönelik kılavuzlar ve dağıtım notları içerir.

ASP.NET Core'de PDF dosyalarından veri okumak artık düşük seviyeli ayrıştırma kodu veya ağır bağımlılıklar gerektirmiyor. IronPDF ile, yüklenen bir dosyadan çıkarılmış içeriğe yol birkaç satırdan oluşur ve herhangi bir denetleyici veya hizmet katmanına doğallıkla uyar.