PDFsharp從PDF中提取文本VS IronPDF（示例）

PDFsharp

PDFsharp 是一個開源的 .NET 庫，設計用於以程式化方式創建和修改 PDF 文件。 雖然它的主要優勢在於 PDF 的生成和操作，但它在配合合適的外部庫時，也提供基本的閱讀現有 PDF 文件和提取內容的工具。

PDFsharp 可以做的不僅僅是創建新 PDF 文件，它還可以用來修改現有的 PDF 文件、合併和拆分文檔、添加注釋等。

IronPDF

IronPDF 是一款專業級的 .NET 庫，設計用於簡化 C# 中處理 PDF 文件的過程。 It is a feature-rich tool designed for developers building applications that involve PDF generation, manipulation, PDF encryption, convert PDF files, merge PDF pages, HTML to PDF conversion, content extraction, and more.

憑藉其強大的功能，IronPDF 脫穎而出，是小型項目和企業級應用程序創建和管理 PDF 的多功能解決方案。

IronPDF 設計為與現代 .NET 框架兼容，包括 .NET Core、.NET 5、.NET 6 和 .NET 7，以及像 .NET Framework 這樣的舊版本。 它可以跨 Windows、macOS 和 Linux 操作系統無縫運行，並且與 Docker、Azure 和 AWS 環境完全兼容。 這確保了開發人員可以在任何平台或雲服務上部署他們的 PDF 工作流程。

在今天的範例中，我們將嘗試在 Visual Studio 中從這個 PDF 文檔中提取文本：

使用 PDFsharp 從 PDF 文件中提取文本

目前的 PDFSharp 版本並不支持從 PDF 文件中提取文本的原生支持。 它主要設計用於創建和操作 PDF，例如繪製圖形、添加內容和合併文檔，但其自身缺乏提取文本的內置機制，無法處理特殊字符、高級編碼等。 它可能會產生碎片化或不完整的文本輸出，或者是空白字符串而不是實際的 PDF 內容。 例如：

如果您需要更高級的文本提取，並支持不同的字體、編碼和佈局，您可能需要使用更專門的庫，例如：

1. iTextSharp（或 iText 7）：這是一個流行的 PDF 庫，對文本提取和解析有很強的支持。

2. Pdfium：另一個擅長提取文本的選擇，特別是在帶有複雜格式的 PDF 中。

使用 IronPDF 從 PDF 文件中提取文本

現在，讓我們看看 IronPDF 如何處理文本提取。 IronPDF 的文本提取功能為開發人員提供了一種簡潔而強大的方法，用於高效地從 PDF 文件中提取文本，無需額外的代碼將數據字符串格式化為可讀的文本。

using IronPdf;

public class Program
{
    public static void Main(string[] args)
    {
        // Provide the file path to the PDF document
        string pdfPath = @"invoice.pdf"; 

        // Load the PDF document using IronPDF
        var pdf = PdfDocument.FromFile(pdfPath);

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

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

using IronPdf;

public class Program
{
    public static void Main(string[] args)
    {
        // Provide the file path to the PDF document
        string pdfPath = @"invoice.pdf"; 

        // Load the PDF document using IronPDF
        var pdf = PdfDocument.FromFile(pdfPath);

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

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

Imports IronPdf

Public Class Program
	Public Shared Sub Main(ByVal args() As String)
		' Provide the file path to the PDF document
		Dim pdfPath As String = "invoice.pdf"

		' Load the PDF document using IronPDF
		Dim pdf = PdfDocument.FromFile(pdfPath)

		' Extract all text from the PDF
		Dim extractedText = pdf.ExtractAllText()

		' Output the extracted text to the console
		Console.WriteLine(extractedText)
	End Sub
End Class

IronPDF 提供了一個簡單且高效的 API，用於從給定的 PDF 路徑中提取文本。 這確保了提取的文本結構良好且準確，這使它成為需要在應用程序中處理 PDF 內容的開發人員的可靠選擇。

比較

PDFSharp 是一個免費的開源庫，適用於基本的 PDF 創建和操作，但它的功能有限，在處理複雜的 PDF 時困難重重。 理論上，雖然它可以用於從 PDF 文件中提取文本，但這需要先進的文本解析能力，可能會導致片段化的輸出。

IronPDF 提供了更全面的解決方案，擁有精確的文本提取、HTML 到 PDF 轉換和對現代 PDF 標準的支持等先進功能。 它針對性能和易用性進行了優化，具有直觀的 API。 雖然它對開發者是免費的，但它也為其付費授權層提供商業授權。

結論

PDFsharp 和 IronPDF 都是用於在 C# 中從 PDF 中提取文本的有價值的工具，但它們針對不同的用例：

• PDFSharp 是開發者需要一個免費的開源庫來進行基本的 PDF 創建和文本提取的理想選擇。 然而，它的文本提取能力有限，可能無法滿足更復雜應用程序的需求。
• IronPDF，另一方面，在文本提取、HTML 到 PDF 轉換以及高級 PDF 編輯任務中表現出色。 其易用性、跨平台兼容性和廣泛的功能使其成為處理專業級 PDF 工作流程的開發者的首選。

For a deeper dive into how IronPDF outperforms other libraries, visit the official IronPDF Documentation.