產品比較

使用 iTextSharp 與 IronPDF 在 C# 中從 PDF 中提取文本

發佈 2023年11月14日

您的企業在每年的 PDF 安全和合規訂閱上花費過多。考慮 IronSecureDoc，提供用於管理數位簽名、編輯、加密和保護等SaaS服務的解決方案，且僅需一次性付款。了解更多有關 IronSecureDoc 的資訊

在數位文件管理的動態環境中，能夠輕鬆地從PDF文件中提取數據是一項基礎任務，支撐著多種應用程序。提取文本的過程對於全面數據分析、內容索引、商業用途和文本處理等目的至關重要。在眾多可用工具中，iTextSharp 作為一個備受推崇的 C# 庫，成為從 PDF 文件中提取文本的卓越解決方案。

在這篇綜合文章中，我們將深入探索使用 iTextSharp 的豐富功能，探討這個強大且多功能的解析庫如何使開發人員能夠使用 C# 程式語言高效地從 PDF 文件中提取文本內容。我們將揭示關鍵的方法、範例技術和最佳實踐，為開發人員提供利用iTextSharp進行文本提取所需的知識。我們還將在這篇文章中討論並比較最好的和最強大的 PDF 函式庫 IronPDF。

如何從 PDF C# 提取文本

下載用於從 PDF 提取文本的 C# 程式庫。
透過實例化 PdfReader 對象來加載現有的 PDF。
使用 GetTextFromPage 方法從 PdfDocument 物件中提取文字。
實例化 foreach 迴圈以遍歷這些行。
使用 WriteLine 方法將行寫入檔案。

什麼是 IronPDF？

IronPDF 概述, 是 .NET 開發領域中一個知名且功能豐富的庫，革新了 PDF 的生成和操作。為開發者提供全面的工具套件，IronPDF 促進在 C# 應用程式中的無縫整合，允許輕鬆創建、修改和渲染 PDF 文件。憑藉直觀的 API 和強大的功能，此多功能庫為從 HTML、圖片和內容生成高品質 PDF 打開了無限可能的世界。在本文中，我們將探討IronPDF的功能，深入其主要特點並展示如何利用它在C#中有效地處理PDF相關任務。

iTextSharp 庫

iTextSharp，一個在使用 C# 操作 PDF 的領域中著名且強大的函式庫，已徹底改變了開發者處理 PDF 文件的方式。它是一個多功能且強大的工具，用於創建、修改和提取 PDF 文件中的內容。 iTextSharp 為開發人員提供生成高級 PDF、提取圖像、操作現有文件和提取數據的功能，使其成為廣泛應用程序的首選解決方案。在本文中，我們將深入探討 iTextSharp 的功能和特性，探索如何在 C# 編程環境中有效地使用它來管理和操作 PDF。

安裝 IronPDF

安裝 IronPDF 是一個簡單的過程，以下是在您的 C# 項目中安裝和整合 IronPDF 的步驟。

打開 Visual Studio，建立一個新專案或開啟現有專案。
前往工具並從下拉選單中選擇NuGet套件管理員。
在新的側邊選單中，選擇方案的 NuGet 封裝管理器。
在「NuGet 套件管理員」視窗中，選擇「瀏覽」標籤。
在搜索欄中輸入 "IronPDF" 並按 Enter。
IronPDF 實例列表將出現，選擇最新版本並按下安裝。
就這樣，IronPDF 安裝完畢，可以在你的 C# 專案中使用了。

安裝 iTextSharp 函式庫

安裝 iTextSharp PDF 庫與安裝 IronPDF 是相同的。重複以上所有步驟，只需在瀏覽視窗中搜尋「iTextSharp」而非IronPDF，從套件列表中選擇並點擊安裝，即可在您的專案中整合iTextSharp PDF庫。

使用 iTextSharp 與 IronPDF 在 C# 中從 PDF 提取文本圖 3 - iTextSharp

使用 IronPDF 從 PDF 文件中提取文字

IronPDF 提供從 PDF 檔案中提取文本的功能，可以根據特定頁面自動提取文本或從所有 PDF 中提取文本。在下面的程式碼範例中，我們將看到如何從範例 PDF 文件的特定頁面中提取文字。

using IronPdf;
using System;
using PdfDocument PDF = PdfDocument.FromFile("Watermarked.pdf");
string Text = PDF.ExtractTextFromPage(1);
Console.Write(Text);

using IronPdf;
using System;
using PdfDocument PDF = PdfDocument.FromFile("Watermarked.pdf");
string Text = PDF.ExtractTextFromPage(1);
Console.Write(Text);

Imports IronPdf
Imports System
Private PdfDocument As using
Private Text As String = PDF.ExtractTextFromPage(1)
Console.Write(Text)

VB C#

上面的程式碼使用 IronPDF 庫在 C# 中從 PDF 檔案中提取文字並在控制台中顯示。首先，導入必要的命名空間，包括 IronPDF 和 System。然後，程式碼使用 FromFile 方法將標題為 "Watermarked.pdf" 的 PDF 文件載入到一個 PdfDocument 物件中。隨後，它使用 ExtractTextFromPage 從 PDF 的第二頁提取文本，並將其存儲在名為 Text 的字串變數中。最後，使用 Console.Write 在控制台中顯示提取的文本。

使用iTextSharp與IronPDF於C#中從PDF擷取文本圖4 - 輸出

使用iTextSharp庫從PDF文件提取文本

您也可以使用iTextSharp從PDF文件中提取文本，以下是一個iTextSharp庫的使用範例。

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

namespace PDFApp2
{
    class Program
    {
        static void Main(string [] args)
        {
            string filePath = @"C:\Users\buttw\OneDrive\Desktop\highlighted PDF.pdf";
            string outPath = @"C:\Users\buttw\OneDrive\Desktop\name.txt";
            int pagesToScan = 2;

            string strText = string.Empty;
            try
            {
                PdfReader reader = new PdfReader(filePath);
                for (int page = 1; page <= pagesToScan; page++) 
                {
                    ITextExtractionStrategy its = new iTextSharp.text.pdf.parser.LocationTextExtractionStrategy();
                    strText = PdfTextExtractor.GetTextFromPage(reader, page, its);

                    strText = Encoding.UTF8.GetString(ASCIIEncoding.Convert(Encoding.Default, Encoding.UTF8, Encoding.Default.GetBytes(strText)));
                    string [] lines = strText.Split('\n');
                    foreach (string line in lines)
                    {
                        using (System.IO.StreamWriter file = new System.IO.StreamWriter(outPath, true))
                        {
                            file.WriteLine(line);
                        }
                    }
                }
                reader.Close();
            }
            catch (Exception ex)
            {
                Console.Write(ex);
            }
        }
    }
}

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

namespace PDFApp2
{
    class Program
    {
        static void Main(string [] args)
        {
            string filePath = @"C:\Users\buttw\OneDrive\Desktop\highlighted PDF.pdf";
            string outPath = @"C:\Users\buttw\OneDrive\Desktop\name.txt";
            int pagesToScan = 2;

            string strText = string.Empty;
            try
            {
                PdfReader reader = new PdfReader(filePath);
                for (int page = 1; page <= pagesToScan; page++) 
                {
                    ITextExtractionStrategy its = new iTextSharp.text.pdf.parser.LocationTextExtractionStrategy();
                    strText = PdfTextExtractor.GetTextFromPage(reader, page, its);

                    strText = Encoding.UTF8.GetString(ASCIIEncoding.Convert(Encoding.Default, Encoding.UTF8, Encoding.Default.GetBytes(strText)));
                    string [] lines = strText.Split('\n');
                    foreach (string line in lines)
                    {
                        using (System.IO.StreamWriter file = new System.IO.StreamWriter(outPath, true))
                        {
                            file.WriteLine(line);
                        }
                    }
                }
                reader.Close();
            }
            catch (Exception ex)
            {
                Console.Write(ex);
            }
        }
    }
}

Imports Microsoft.VisualBasic
Imports System
Imports System.Text
Imports iTextSharp.text.pdf
Imports iTextSharp.text.pdf.parser

Namespace PDFApp2
	Friend Class Program
		Shared Sub Main(ByVal args() As String)
			Dim filePath As String = "C:\Users\buttw\OneDrive\Desktop\highlighted PDF.pdf"
			Dim outPath As String = "C:\Users\buttw\OneDrive\Desktop\name.txt"
			Dim pagesToScan As Integer = 2

			Dim strText As String = String.Empty
			Try
				Dim reader As New PdfReader(filePath)
				For page As Integer = 1 To pagesToScan
					Dim its As ITextExtractionStrategy = New iTextSharp.text.pdf.parser.LocationTextExtractionStrategy()
					strText = PdfTextExtractor.GetTextFromPage(reader, page, its)

					strText = Encoding.UTF8.GetString(ASCIIEncoding.Convert(Encoding.Default, Encoding.UTF8, Encoding.Default.GetBytes(strText)))
					Dim lines() As String = strText.Split(ControlChars.Lf)
					For Each line As String In lines
						Using file As New System.IO.StreamWriter(outPath, True)
							file.WriteLine(line)
						End Using
					Next line
				Next page
				reader.Close()
			Catch ex As Exception
				Console.Write(ex)
			End Try
		End Sub
	End Class
End Namespace

VB C#

所提供的程式碼是一個使用 iTextSharp 函式庫的 C# 程式，用於從 PDF 文件的特定頁面提取文本並將其保存到文本文件中。首先，導入了必要的命名空間，包括 System.Text、iTextSharp.text.pdf 和 iTextSharp.text.pdf.parser。該程式指定檔案名稱、輸入 PDF 檔案路徑、輸出文字檔案路徑，以及要掃描的頁數。然後使用 iTextSharp 的 PdfReader 來讀取 PDF 文件。對於每個指定的頁面，它使用 iTextSharp 的新 LocationTextExtractionStrategy 來提取文本，將編碼轉換為 UTF-8。提取的文本被分割成行，並且來自 PDF 代碼的新 StringBuilder 文本在正確的方向上運作。在過程中遇到的任何例外情況都會被捕獲並顯示在控制台中。程式結束時會關閉 PdfReader。

在 C# 中使用 iTextSharp 與 IronPDF 從 PDF 提取文本圖 5 - 使用 iTextSharp 提取文本

結論

iTextSharp，是一個功能強大且多用途的 C# 庫，革新了 PDF 操作，實現了無縫的內容創建、修改和提取。其強大的功能使其成為開發人員的首選解決方案，使他們能夠生成複雜的PDF並有效管理PDF內的文本內容。此外，IronPDF 是 .NET 領域的另一個重要庫，提供了一套完整的工具來進行 PDF 生成和圖像處理，增強了開發人員能夠輕鬆從各種來源創建、修改和呈現高品質 PDF 的能力。在比較這兩個 PDF 函式庫時，IronPDF 脫穎而出，因為其詳細的文件和易於使用的 API 僅需幾行程式碼即可完成所有文本提取，而使用 iTextSharp 則需要撰寫冗長且複雜的程式碼，並且需要對該函式庫和 C# 有深入的了解。

要了解更多关于IronPDF 的功能及其功能，請造訪官方網頁。使用 IronPDF 提取文本的完整教程可以在此找到IronPDF 文本提取教程. 如需關於 IronPDF 和 iTextSharp 的完整教程，請訪問IronPDF 與 iTextSharp 比較.

< 上一頁
iTextSharp 文件審查與 IronPDF 比較

下一個 >
IronPDF 與 Puppeteer C#：比較