PDFsharp從PDF中提取文本VS IronPDF（示例）

PDFsharp。

PDFsharp 是一個開放原始碼的 .NET 函式庫，設計用來以程式化的方式建立和修改 PDF 文件。 雖然它的主要優勢在於 PDF 的產生與處理，但若搭配適當的外部函式庫，它也能提供讀取現有 PDF 檔案與擷取內容的基本工具。

PDFsharp 不僅可以隨時隨地建立新的 PDF 文件，還可以用來修改現有的 PDF 檔案、合併和分割文件、新增註解等。

IronPDF。

IronPDF for .NET 是一個專業級的 .NET 函式庫，設計用來簡化在 C# 中處理 PDF 文件的流程。 這是一款功能豐富的工具，專為建置應用程式的開發人員設計，其中涉及 PDF 產生、操控、PDF 加密、轉換 PDF 檔案、合併 PDF 頁面、HTML 至 PDF 轉換、內容擷取等功能。

IronPDF 擁有強大的功能，無論是在小型專案或企業級應用程式中，都是建立和管理 PDF 的多功能解決方案。

IronPDF 的設計與現代 .NET Framework 相容，包括 .NET Core、.NET 5、.NET 6 和 .NET 7，以及像 .NET Framework 之類的傳統版本。 它可以在 Windows、macOS 和 Linux 等作業系統上無縫運作，並與 Docker、Azure 和 AWS 環境完全相容。 這可確保開發人員能在任何平台或雲端服務上部署他們的 PDF 工作流程。

在今天的範例中，我們將嘗試在 Visual Studio 中 從 PDF 文件中萃取文字：

使用 PDFsharp 從 PDF 檔案中萃取文字

目前版本的 PDFSharp 並不支援從 PDF 文件擷取文字。 它主要用於建立和操作 PDF，例如繪製圖形、新增內容和合併文件，但它缺乏自行抽取文字的內建機制，無法處理特殊字符、進階編碼等。 可能會產生零碎或不完整的文字輸出，或以空白字串取代實際的 PDF 內容。 例如：

如果您需要進階的文字擷取功能，並能更好地支援不同的字型、編碼和版面設計，您可能需要使用更專門的函式庫，例如：

1.iTextSharp（或 iText 7）：這是一個流行的 PDF 函式庫，具有強大的文字萃取與解析支援。

2.Pdfium：另一個擅長擷取文字的選項，尤其是從格式複雜的 PDF 擷取文字。

使用 IronPDF 從 PDF 檔案中萃取文字

現在，讓我們看看 如何使用 IronPDF 處理文字萃取。 IronPDF 的文字擷取功能為開發人員提供了簡潔而強大的方法，可有效率地從 PDF 文件中擷取文字，而不需要額外的程式碼來將資料字串正確格式化為可讀的文字。

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 提供簡單有效的 API，可從給定的 PDF 路徑中抽取文字。 它可確保擷取的文字結構良好且準確，對於需要在應用程式中處理 PDF 內容的開發人員而言，這是一個可靠的選擇。

比較

PDFSharp 是一個免費、開放源碼的函式庫，非常適合基本的 PDF 建立和處理，但它的功能有限，而且在處理複雜的 PDF 時也很吃力。 雖然理論上可以用來擷取 PDF 檔案中的文字，但這需要進階的文字解析，而且可能會造成零碎的輸出。

IronPDF 提供更強大的解決方案，具有精確的文字萃取、HTML 至 PDF 轉換以及支援現代 PDF 標準等進階功能。 它已針對效能與易用性進行最佳化，並提供直覺式 API。 雖然它對開發是免費的，但它也提供 商業授權的付費授權層級。

結論

PDFsharp 和 IronPDF 都是用 C# 從 PDF 中 抽取文字的重要工具，但它們迎合了不同的使用情況：

• PDFSharp 對於需要免費、開放源碼函式庫來進行基本 PDF 建立和文字萃取的開發人員而言，是個不錯的選擇。 然而，其文字擷取能力有限，可能無法滿足較複雜應用程式的需求。
• IronPDF 則擅長於文字萃取、HTML 到 PDF 的轉換，以及進階的 PDF 編輯工作。 其易用性、跨平台相容性以及廣泛的功能使其成為處理專業級 PDF 工作流程的開發人員的首選。

如需深入瞭解 IronPDF 如何優於其他函式庫，請造訪官方 IronPDF 文件。