C# 從 PDF 提取文字（程式碼範例教學）

1. IronPDF 功能

IronPDF 是一款功能強大的 PDF 轉換器，幾乎可以執行瀏覽器可以執行的任何操作。 使用面向開發人員的 .NET 程式庫，建立、讀取和操作 PDF 文件變得非常簡單。 IronPDF 使用 Chrome 引擎將 HTML 文件轉換為 PDF 文件。 IronPDF 支援 HTML、ASPX、Razor HTML 和 MVC 視圖等多種 Web 元件。 IronPDF 支援 Microsoft .NET 應用程式（包括 ASP.NET Web 應用程式和傳統 Windows 應用程式）。 IronPDF 也可以用來創建視覺效果出色的 PDF 文件。

我們可以使用 IronPDF 從 HTML5、JavaScript、CSS 和圖像建立 PDF 文件。 此外，文件還可以包含頁首和頁尾。 多虧了 IronPDF，我們可以輕鬆閱讀 PDF 文件。 IronPDF 還擁有全面的 PDF 轉換引擎和強大的 HTML 轉 PDF 轉換器，可以處理 PDF 文件。

• PDF 建立：從 HTML、JavaScript、CSS、圖片或 URL 產生 PDF。 新增頁首、頁尾、書籤、浮水印和其他自訂元素，以增強設計效果。
• HTML 轉 PDF 轉換：直接將 HTML、Razor/MVC 視圖和媒體類型 CSS 檔案轉換為 PDF 格式。 -互動式 PDF 功能：建立、填寫和提交互動式PDF 表單。 -文字與影像擷取：從現有 PDF 文件中擷取文字或影像，以便進行資料處理或重複使用。 -文件操作：合併、分割和重新排列新建或現有 PDF 文件中的頁面。 -影像與頁面處理：將 PDF 頁面柵格化為影像，並將影像轉換為 PDF 格式。 -使用自訂登入憑證： IronPDF 能夠根據 URL 建立文件。 它還支援自訂網路登入憑證、使用者代理、代理、cookie、HTTP 標頭和表單變量，用於HTML 登入表單背後的登入。 -搜尋和輔助功能：搜尋 PDF 文件中的文本，並確保其符合輔助功能標準。 -轉換功能多樣：可將 PDF 轉換為 HTML 等其他格式，並可使用 CSS 檔案產生 PDF。 -獨立功能：無需 Adobe Acrobat 或其他第三方工具即可獨立運作。

2.在 Visual Studio 中建立新專案

開啟 Visual Studio 軟體，並移至"檔案"功能表。 選擇"新建專案"，然後選擇"控制台應用程式"。 在本文中，我們要使用控制台應用程式來產生 PDF 文件。

C# 從 PDF 中提取文字（程式碼範例教學），圖 1：在 Visual Studio 中建立一個新項目

在適當的文字方塊中輸入專案名稱並選擇檔案路徑。 然後，按一下"建立"按鈕，並選擇所需的 .NET Framework，如下面的螢幕截圖所示。

! C# 從 PDF 提取文字（程式碼範例教學），圖 2：在 Visual Studio 中設定新項目在 Visual Studio 中設定新項目

Visual Studio 專案現在將為所選應用程式產生結構，如果您選擇了控制台、Windows 和 Web 應用程序，它將開啟program.cs文件，您可以在其中輸入程式碼並產生/運行應用程式。

! C# 從 PDF 擷取文字（程式碼範例教學），圖 3：選擇 .NET Core選擇 .NET Core

接下來，我們可以加入測試程式碼的函式庫。

3.安裝 IronPdf 函式庫。

IronPDF Library 可以通過四種方式下載和安裝。

這些工具包括

• 使用 Visual Studio。
• 使用 Visual Studio Command-Line。
• 直接從 NuGet 網站下載。
• 直接從 IronPdf 網站下載。

Install-Package IronPdf

4. 使用 IronPDF 擷取文本

IronPDF 程式讓我們可以從 PDF 文件中提取文本，並將 PDF 頁面轉換為 PDF 物件。 以下是如何使用 IronPDF 讀取現有 PDF 的範例。

第一種方法是從 PDF 中提取文本，範例程式碼片段如下。

using IronPdf;

// Load an existing PDF document from a file
var pdfDocument = PdfDocument.FromFile("result.pdf");

// Extract all text from the entire PDF document
string allText = pdfDocument.ExtractAllText();

using IronPdf;

// Load an existing PDF document from a file
var pdfDocument = PdfDocument.FromFile("result.pdf");

// Extract all text from the entire PDF document
string allText = pdfDocument.ExtractAllText();

FromFile靜態方法用於從現有文件中載入 PDF 文件並將其轉換為PDFDocument對象，如上面的程式碼所示。 我們可以使用此物件閱讀 PDF 頁面上可存取的文字和圖片。 該物件有一個名為ExtractAllText的方法，它可以從整個 PDF 文件中提取所有文本，然後將提取的文本保存到我們可以用於處理的字串中。

下面給出的是我們可以用來從 PDF 文件逐頁提取文本的第二種方法的程式碼範例。

using IronPdf;

// Load an existing PDF document from a file
using PdfDocument pdf = PdfDocument.FromFile("result.pdf");

// Loop through each page of the PDF document
for (var index = 0; index < pdf.PageCount; index++)
{
    // Extract text from the current page
    string text = pdf.ExtractTextFromPage(index);
}

using IronPdf;

// Load an existing PDF document from a file
using PdfDocument pdf = PdfDocument.FromFile("result.pdf");

// Loop through each page of the PDF document
for (var index = 0; index < pdf.PageCount; index++)
{
    // Extract text from the current page
    string text = pdf.ExtractTextFromPage(index);
}

在上面的程式碼中，我們可以看到它首先載入整個 PDF 文件並將其轉換為 PDF 物件。 然後，我們使用名為PageCount的內建屬性來取得整個 PDF 文件的頁數，該屬性會擷取已載入的 PDF 文件中可用的總頁數。 使用"for 迴圈"和ExtractTextFromPage函數，我們可以將頁碼作為參數傳遞，從而從載入的文件中提取文字。 然後它會將確切的文字保存到字串變數中。 同樣，它會藉助"for"或"for each"循環逐頁從PDF中提取文字。

5.結論

IronPDF 是一個功能強大且用途廣泛的 PDF 庫，旨在讓在 .NET 應用程式中處理 PDF 文件變得輕鬆方便。 它強大的功能使開發人員能夠創建、操作和提取 PDF 中的內容，而無需依賴 Adobe Reader 等第三方依賴項。 IronPDF 的突出功能之一是能夠從 PDF 文件中提取文字。 此功能對於自動化資料分析、文件索引、內容遷移和啟用輔助功能等任務非常有價值。 IronPDF 讓開發人員以程式設計方式檢索和處理文本，從而簡化工作流程，並為處理 PDF 內容開闢了新的可能性。

IronPDF 具有整合簡單、跨平台支援等優點，是開發人員高效處理 PDF 文件的絕佳選擇。 此外，IronPDF 還提供免費試用，讓您在正式購買前可以無風險地體驗其全部功能。 有關定價詳情和許可選項的更多信息，請訪問定價頁面。