產品比較

如何使用iTextSharp在C#中閱讀PDF文件：

發佈 2024年4月3日

在今天的數位時代，可攜式文件格式 (PDF)文件因其平臺獨立性和一致的格式而成為文件交換的標準。 iTextSharp 庫作為一個強大的庫出現，無縫地與 PDF 進行交互，適用於使用 C# 的開發人員。在本文中，我們將學習如何使用讀取 PDF 文件的過程。iTextSharp在 C# 中，探索關鍵步驟並提供全面的指南，幫助您釋放這個多功能庫的潛力。

如何使用iTextSharp在C#中讀取PDF文件

打開或創建一個Visual Studio專案。
安裝 iTextSharp 函式庫。
添加必要的命名空間。
選擇要讀取的 PDF 文件。
建立 PDF 讀取器的實例。
建立 PDF 文件的實例。
遍歷文檔的每一頁以提取文本。
在控制台打印提取的文本。

什麼是iTextSharp？

iText 7前稱 iTextSharp，是一個強大且多功能的 Java 和 .NET 庫，用於創建、操作和提取 PDF 文件中的內容。它提供了一套完整的功能，包括文本和圖像處理、表單填寫、數位簽名和浮水印。無論您是在生成發票、報告，還是互動表格，iText 7 都能讓開發人員高效處理PDF文件。

閱讀 PDF 檔案

讓我們討論一些在 C# 中讀取 PDF 檔案的例子。要開始，您需要將 iTextSharp 庫添加到您的專案中。

安裝 iTextSharp PDF 程式庫

使用 Visual Studio 開啟你的 C# 專案。在頂部選單中，轉到「檢視」，然後選擇「套件管理器主控台」。這將在 Visual Studio 視窗的底部打開套件管理器主控台。

在套件管理器主控台中，確保「預設專案」下拉選單設定為您想安裝 iTextSharp 套件的專案。

運行以下命令以安裝iTextSharp庫：

Install-Package itext7

此命令從 NuGet 封裝庫中提取最新版本的 iTextSharp 並將其安裝到您的專案中。等待安裝過程完成。套件管理器主控台將顯示關於安裝進度的資訊。

如何在 C# 中使用 iTextSharp 讀取 PDF 文件：圖 1 - 在 Visual Studio 中使用 NuGet 套件管理器主控台安裝 iTextSharp，並添加以下命令：Install-package itext7。

使用 iTextSharp PDF 閱讀器讀取 PDF 文件

我將使用以下 PDF 文件作為此示例的輸入。

使用 iTextSharp 在 C# 中讀取 PDF 文件：圖 2 - 原始 PDF 文件

在開始之前，添加以下命名空間：

using iText.Kernel.Pdf;
using iText.Kernel.Pdf.Canvas.Parser;
using System.Text;

using iText.Kernel.Pdf;
using iText.Kernel.Pdf.Canvas.Parser;
using System.Text;

Imports iText.Kernel.Pdf
Imports iText.Kernel.Pdf.Canvas.Parser
Imports System.Text

VB C#

以下程式碼將讀取上述的 PDF 文件，提取內容，並將提取的內容列印到控制台。

public static void Main(string [] args)
{
    StringBuilder text = new StringBuilder();
    string fileName = @"D:/What_is_pdf.pdf";
    if (File.Exists(fileName))
    {
        using (PdfReader pdfReader = new PdfReader(fileName))
        {
            using (PdfDocument pdfDocument = new PdfDocument(pdfReader))
            {
                for (int page = 1; page <= pdfDocument.GetNumberOfPages(); page++)
                {
                    string currentText = PdfTextExtractor.GetTextFromPage(pdfDocument.GetPage(page)); 
                    currentText = Encoding.UTF8.GetString(ASCIIEncoding.Convert(Encoding.Default, Encoding.UTF8, Encoding.Default.GetBytes(currentText)));
                    text.Append(currentText);
                }
            }
        }
    }
    Console.WriteLine(text.ToString());
}

public static void Main(string [] args)
{
    StringBuilder text = new StringBuilder();
    string fileName = @"D:/What_is_pdf.pdf";
    if (File.Exists(fileName))
    {
        using (PdfReader pdfReader = new PdfReader(fileName))
        {
            using (PdfDocument pdfDocument = new PdfDocument(pdfReader))
            {
                for (int page = 1; page <= pdfDocument.GetNumberOfPages(); page++)
                {
                    string currentText = PdfTextExtractor.GetTextFromPage(pdfDocument.GetPage(page)); 
                    currentText = Encoding.UTF8.GetString(ASCIIEncoding.Convert(Encoding.Default, Encoding.UTF8, Encoding.Default.GetBytes(currentText)));
                    text.Append(currentText);
                }
            }
        }
    }
    Console.WriteLine(text.ToString());
}

Public Shared Sub Main(ByVal args() As String)
	Dim text As New StringBuilder()
	Dim fileName As String = "D:/What_is_pdf.pdf"
	If File.Exists(fileName) Then
		Using pdfReader As New PdfReader(fileName)
			Using pdfDocument As New PdfDocument(pdfReader)
				Dim page As Integer = 1
				Do While page <= pdfDocument.GetNumberOfPages()
					Dim currentText As String = PdfTextExtractor.GetTextFromPage(pdfDocument.GetPage(page))
					currentText = Encoding.UTF8.GetString(ASCIIEncoding.Convert(Encoding.Default, Encoding.UTF8, Encoding.Default.GetBytes(currentText)))
					text.Append(currentText)
					page += 1
				Loop
			End Using
		End Using
	End If
	Console.WriteLine(text.ToString())
End Sub

VB C#

上述源代碼讀取一個PDF文件，從每頁提取文字，將其轉換為UTF-8，然後將整個文本內容打印到控制台。這是一個使用 iTextSharp 程式庫在 C# 中從 PDF 檔案中提取文字的基本範例。

程式碼說明

1. 檔案路徑和初始化

程式碼首先宣告一個名為 text 的 StringBuilder，用於累積從 PDF 中提取的文字。它還定義了一個字串變數 fileName，用於指定文件位置的路徑。在這種情況下，PDF 文件位於 "D:/What_is_pdf.pdf"。

2. 文件存在性檢查

如果(File.Exists(文件名稱)) 條件會檢查指定的檔案是否存在。如果檔案存在，則執行隨後的程式碼塊。

3. PDF 文件處理

在 if 區塊內，它使用 PdfReader 物件開啟 PDF 檔案。然後，使用 PdfReader 創建一個 PdfDocument 文件實例。 for 迴圈迭代遍歷 PDF 文件的每一頁。

4. 從 PDF 文件中提取文本

對於每個 PDF 頁面，它使用 PdfTextExtractor 類的 GetTextFromPage 提取文本內容。(pdfDocument.GetPage(頁面))** 方法。提取的文字最初以預設編碼進行編碼。

然後使用 Encoding.UTF8.GetString 將文本從預設編碼轉換為 UTF-8。(ASCIIEncoding.Convert(編碼.Default, 編碼.UTF8, 編碼.Default.GetBytes(當前文本))). 轉換後的文字將附加到文字字串中。

顯示累積的文本

最後，使用 Console.WriteLine 列印累積的文字。()** 方法。

輸出

提取的 PDF 文本輸出如下：

如何使用iTextSharp在C#中讀取PDF文件:: 圖3 - 終端輸出: 使用iTextSharp從PDF文件What_is_pdf.pdf中提取文字，並在終端中以純文字顯示。

這樣一來，我們就可以讀取 PDF 文件的內容。由於會創建多個實例，這種方法較為複雜且效率較低。讓我們來探索一種更加用戶友好且高效的替代方法。

IronPDF 介紹

IronPDF 功能與優勢是一個多功能且高效能的 C# 程式庫，旨在簡化和加強以程式自動建立PDF文件, 編輯PDFs，和渲染 PDF 文件在 .NET 應用程式中。 IronPDF 讓開發人員能輕鬆地將 PDF 相關功能無縫整合到他們的專案中，專注於易用性和豐富的功能特性。該程式庫支持多種PDF操作，包括從頭開始創建PDF文件、轉換PDF文檔等。將HTML內容轉換成PDF，和從 PDF 中提取文本和圖像從現有的 PDF 文件中。 IronPDF的直觀API為開發人員提供了友好的使用體驗，使他們能夠輕鬆生成動態和互動的PDF。無論是添加水印、註釋，還是加密文件，IronPDF 都能讓開發者根據其具體需求自訂 PDF。作為一個可靠的解決方案，IronPDF 在從報告生成和文檔管理到 Web 開發的應用中發揮了重要作用，提供了一整套工具來簡化 .NET 環境中與 PDF 相關的任務。

安裝 IronPDF 庫

在 Visual Studio 中使用套件管理控制台

使用以下命令透過 NuGet 套件管理器主控台將 IronPDF 下載到您的專案中。

Install-Package IronPdf

此指令將會下載並安裝IronPDF NuGet 套件以及其依賴項整合到您的專案中。

如何使用iTextSharp在C#中讀取PDF文件：圖4 - 使用NuGet包管理器控制台安裝IronPDF庫，輸入以下命令：「Install-package IronPDF」。

使用 NuGet 管理解決方案的套件

在 NuGet 的瀏覽標籤中，搜尋 "IronPDF" 程式庫並點擊安裝。

如何使用 iTextSharp 在 C# 中读取 PDF 文件：圖 5 - 使用“管理 NuGet 程式包解決方案”通过在 NuGet 程式包管理器的搜索栏中搜索“IronPDF”来安装 IronPDF，然后选择项目并点击“安装”按钮。

使用 IronPDF 閱讀 PDF 文件

現在，我們使用閱讀相同的 PDF 文件IronPDF 全面指南. 以下程式碼將從輸入的 PDF 文件中提取文本。

using IronPdf;
public static void Main(string [] args)
{
    var pdfDocument = PdfDocument.FromFile(@"D:/What_is_pdf.pdf");
    string text = pdfDocument.ExtractAllText();
    Console.WriteLine(text);
}

using IronPdf;
public static void Main(string [] args)
{
    var pdfDocument = PdfDocument.FromFile(@"D:/What_is_pdf.pdf");
    string text = pdfDocument.ExtractAllText();
    Console.WriteLine(text);
}

Imports IronPdf
Public Shared Sub Main(ByVal args() As String)
	Dim pdfDocument = PdfDocument.FromFile("D:/What_is_pdf.pdf")
	Dim text As String = pdfDocument.ExtractAllText()
	Console.WriteLine(text)
End Sub

VB C#

上述代碼讀取名為 "What_is_pdf.pdf" 的 PDF 文件，提取其所有文本內容，並在控制台顯示提取的文本。

程式碼說明

1. 加載 PDF 文件

程式碼首先從名為 "What_is_pdf.pdf" 的檔案中載入 PDF 文件。它使用 PdfDocument.FromFile()從指定的文件創建PdfDocument對象的方法。

2. 提取所有文本

接下來，它會從載入的 PDF 文件中提取所有文字內容。 pdfDocument.ExtractAllText()方法將 PDF 中的所有文字作為單一字符串返回。

3. 顯示提取的文字

最後，提取的文本被存儲在 text 變量中。此代碼使用 Console.WriteLine 將提取的文本打印到控制台。(文字)** 方法。

輸出

如何使用 iTextSharp 在 C# 中讀取 PDF 文件：圖 6 - 控制台輸出：使用 IronPDF 從 PDF 文件 What_is_pdf.pdf 中提取文本並在控制台中顯示為純文本。

IronPDF 也提供了一種逐頁從 PDF 文件中提取文字的方法。

逐頁閱讀 PDF 文件

以下代碼將使用 IronPDF 一頁一頁地讀取 PDF 文件。

using IronPdf;
public static void Main(string [] args)
{
    StringBuilder sb = new StringBuilder();
    using PdfDocument pdf = PdfDocument.FromFile(@"D:/What_is_pdf.pdf");
    for (int index = 0; index < pdf.PageCount; index++)
    {
        sb.Append (pdf.ExtractTextFromPage(index));
    }
    Console.WriteLine(sb.ToString());
}

using IronPdf;
public static void Main(string [] args)
{
    StringBuilder sb = new StringBuilder();
    using PdfDocument pdf = PdfDocument.FromFile(@"D:/What_is_pdf.pdf");
    for (int index = 0; index < pdf.PageCount; index++)
    {
        sb.Append (pdf.ExtractTextFromPage(index));
    }
    Console.WriteLine(sb.ToString());
}

Imports IronPdf
Public Shared Sub Main(ByVal args() As String)
	Dim sb As New StringBuilder()
	Using pdf As PdfDocument = PdfDocument.FromFile("D:/What_is_pdf.pdf")
		For index As Integer = 0 To pdf.PageCount - 1
			sb.Append(pdf.ExtractTextFromPage(index))
		Next index
		Console.WriteLine(sb.ToString())
	End Using
End Sub

VB C#

上面的程式碼讀取名為「What_is_pdf.pdf」的 PDF 檔案，從每一頁提取文本內容，並將合併的文本輸出到控制臺。

程式碼說明

1. 初始化與PDF載入

一個名為 sb 的 StringBuilder 被創建以累積從 PDF 提取的文本。 using 語句確保資源的正確處置。使用 PdfDocument.FromFile 方法從路徑 "D:/What_is_pdf.pdf" 加載 PDF 檔案，創建一個名為 PDF 的 PdfDocument 對象。

2. 從頁面提取文本

for 迴圈遍歷加載的 PDF 文件的每一頁。每頁(由索引編索引)，它使用 pdf.ExtractTextFromPage 提取文本內容。(索引). 提取的文字使用 sb.Append 附加到 StringBuilder。().

3. 顯示累計文本

最後，累積的文字使用 sb.ToString 轉換為單一字串。(). 整個提取的文本使用 Console.WriteLine 輸出到控制台()** 方法。

結論

總之，使用 C# 處理 PDF 涉及到理解一些基本要素，如位元組陣列、文檔信息字典、交叉引用表、新的文件實例和靜態位元組。第一個使用 iTextSharp 的代碼展示了一種功能性的方法，而第二個使用 IronPDF 的方法則提供了一種更簡單且更高效的方法。 IronPDF易於使用的 API 簡化了涉及交叉引用表、頁面字典和間接引用的任務。無論是處理文件資訊中的僅 xref 還是用於安全 PDF 的私鑰方面，IronPDF 都是一個多功能的解決方案。

開發人員尋求探索IronPDF Licensing Information. IronPDF 的產品提供以客戶滿意度為首要任務，確保開發者在 PDF 相關任務中找到價值和效率，使其成為尋求可靠且功能豐富的 PDF 庫的人的引人注目的選擇。

如需了解有關如何使用IronPDF的更多信息，請參閱此內容。IronPDF 文件檔案連結

< 上一頁
如何使用 iTextSharp 在 C# 中為 PDF 添加頁碼

下一個 >
iTextSharp 讀取 PDF 替代方案（開發人員教程）