如何在C#中查找PDF中的文字

理解 PDF 文件中的文本

PDF 檔案旨在以一致的、與裝置無關的格式呈現內容。 然而，PDF 中文字的儲存方式可能​​差異很大。 文字可能以以下形式儲存：

*可搜尋文本：*可以直接提取的文本，因為它以文本形式嵌入（例如，從轉換為 PDF 的 Word 文件中提取）。 掃描文字：**以圖像形式顯示的文本，需要使用 OCR（光學字元辨識）技術將其轉換為可搜尋的文字。 *複雜佈局：文字以片段形式儲存或採用不尋常的編碼，使得準確提取和搜尋變得更加困難。

這種多樣性意味著在 PDF 中進行有效的文字搜尋通常需要像IronPDF這樣的專門庫，它可以無縫地處理各種內容類型。

為什麼查找文本很重要？

在PDF文件中尋找文字的功能有著廣泛的應用，包括：

1.自動化工作流程：透過識別 PDF 文件中的關鍵術語或價值，實現處理發票、合約或報告等任務的自動化。

2.資料擷取：擷取資訊以供其他系統使用或進行分析。

3.內容驗證：確保文件中包含所需的術語或短語，例如合規聲明或法律條款。

4.提升使用者體驗：在文件管理系統中啟用搜尋功能，幫助使用者快速找到相關資訊。

文字搜尋的挑戰

由於以下挑戰，在 PDF 中尋找文字並非總是易事：

*編碼差異：*有些 PDF 檔案使用自訂文字編碼，這使得提取變得複雜。 碎片化文字：文字可能被分成多個部分，使搜尋更加複雜。 圖形和圖像：圖像中嵌入的文字需要透過 OCR 進行提取。 多語言支援：**跨不同語言、腳本或從右到左文本的文檔進行搜尋需要強大的處理能力。

主要優勢

1.易用性：

IronPDF具有[直覺的 API](/object-reference/api/) ，可讓開發人員快速上手，而無需經歷陡峭的學習曲線。 無論您是執行基本的文字擷取、 [HTML 轉 PDF 轉換](/examples/using-html-to-create-a-pdf/)，還是進階操作，它的方法都簡單易用。

2.高精度：

與一些難以處理包含複雜佈局或嵌入式字體的 PDF 的 PDF 庫不同， IronPDF可以可靠且精確地提取文字。

3.跨平台支援：

IronPDF與.NET Framework和.NET Core都相容，確保開發人員可以在現代 Web 應用程式、桌面應用程式甚至舊系統中使用它。

4.支援進階查詢：

該庫支援正規表達式和目標提取等高級搜尋技術，使其適用於資料探勘或文件索引等複雜用例。

安裝

若要安裝IronPDF ，請使用 Visual Studio 中的NuGet套件管理器，或在套件管理器控制台中執行下列命令：

Install-Package IronPdf

Install-Package IronPdf

這將下載並安裝該程式庫及其相依性。

基本設定

庫安裝完成後，需要透過引用IronPDF命名空間將其包含在您的專案中。 在程式碼檔案的頂部新增以下程式碼行：

using IronPdf;

using IronPdf;

載入 PDF 文件

第一步是載入要處理的PDF文件。 這是透過 PdfDocument 類別實現的，如下面的程式碼所示：

using IronPdf;
PdfDocument pdf = PdfDocument.FromFile("example.pdf");

using IronPdf;
PdfDocument pdf = PdfDocument.FromFile("example.pdf");

PdfDocument 類別表示記憶體中的 PDF 文件，使您能夠執行各種操作，例如提取文字或修改內容。 PDF檔案載入完成後，我們可以搜尋整個PDF文件或文件中特定PDF頁面的文字。

搜尋特定文本

載入 PDF 後，使用 ExtractAllText() 方法擷取整個文件的文字內容。 然後，您可以使用標準的字串操作技巧搜尋特定詞語：

using IronPdf;
public class Program
{
    public static void Main(string[] args)
    {
        string path = "example.pdf";
        // Load a PDF file
        PdfDocument pdf = PdfDocument.FromFile(path);
        // Extract all text from the PDF
        string text = pdf.ExtractAllText();
        // Search for a specific term
        string searchTerm = "Invoice";
        bool isFound = text.Contains(searchTerm, StringComparison.OrdinalIgnoreCase);
        Console.WriteLine(isFound
            ? $"The term '{searchTerm}' was found in the PDF!"
            : $"The term '{searchTerm}' was not found.");
    }
}

using IronPdf;
public class Program
{
    public static void Main(string[] args)
    {
        string path = "example.pdf";
        // Load a PDF file
        PdfDocument pdf = PdfDocument.FromFile(path);
        // Extract all text from the PDF
        string text = pdf.ExtractAllText();
        // Search for a specific term
        string searchTerm = "Invoice";
        bool isFound = text.Contains(searchTerm, StringComparison.OrdinalIgnoreCase);
        Console.WriteLine(isFound
            ? $"The term '{searchTerm}' was found in the PDF!"
            : $"The term '{searchTerm}' was not found.");
    }
}

輸入PDF

控制台輸出

本範例示範了一個簡單的檢查 PDF 中是否存在某個術語的情況。 StringComparison.OrdinalIgnoreCase確保搜尋文字不區分大小寫。

文字搜尋的進階功能

using System.Text.RegularExpressions;  // Required namespace for using regex
// Extract all text
string pdfText = pdf.ExtractAllText();
// Use a regex to find patterns (e.g., email addresses)
Regex regex = new Regex(@"[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}");
MatchCollection matches = regex.Matches(pdfText);
foreach (Match match in matches)
{
    Console.WriteLine($"Found match: {match.Value}");
}

using System.Text.RegularExpressions;  // Required namespace for using regex
// Extract all text
string pdfText = pdf.ExtractAllText();
// Use a regex to find patterns (e.g., email addresses)
Regex regex = new Regex(@"[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}");
MatchCollection matches = regex.Matches(pdfText);
foreach (Match match in matches)
{
    Console.WriteLine($"Found match: {match.Value}");
}

using IronPdf;
public class Program
{
    public static void Main(string[] args)
    {
        // Load a PDF file
        PdfDocument pdf = PdfDocument.FromFile("urlPdf.pdf");
        // Extract text from the first page
        var pageText = pdf.Pages[0].Text.ToString(); 
        if (pageText.Contains("IronPDF"))
        {
            Console.WriteLine("Found the term 'IronPDF' on the first page!");
        }
    }
}

using IronPdf;
public class Program
{
    public static void Main(string[] args)
    {
        // Load a PDF file
        PdfDocument pdf = PdfDocument.FromFile("urlPdf.pdf");
        // Extract text from the first page
        var pageText = pdf.Pages[0].Text.ToString(); 
        if (pageText.Contains("IronPDF"))
        {
            Console.WriteLine("Found the term 'IronPDF' on the first page!");
        }
    }
}

合約分析

法律專業人士可以使用IronPDF自動搜尋冗長合約中的關鍵術語或條款。 例如，快速尋找文件中的"終止條款"或"保密條款"。

發票處理

在財務或會計工作流程中， IronPDF可以協助在批量 PDF 文件中找到發票號碼、日期或總金額，從而簡化操作並減少人工工作量。

資料探勘

IronPDF可以整合到資料管道中，以提取和分析以 PDF 格式儲存的報告或日誌中的資訊。 這對於處理大量非結構化資料的行業尤其有用。

IronPDF不僅僅是一個用於處理 PDF 的庫； 這是一個完整的工具包，使.NET開發人員能夠輕鬆處理複雜的 PDF 操作。 從提取文字和尋找特定術語到使用正規表示式執行高級模式匹配， IronPDF簡化了原本可能需要大量人工或多個庫才能完成的任務。

提取和搜尋 PDF 文件中的文字的功能，為各行各業帶來了強大的應用場景。 法律專業人士可以自動搜尋合約中的關鍵條款，會計師可以簡化發票處理流程，任何領域的開發人員都可以創建高效的文件工作流程。 IronPDF提供精確的文字擷取、與.NET Core和 Framework 的兼容性以及進階功能，確保您的 PDF 需求能夠輕鬆滿足。

立即開始！

不要讓PDF處理拖慢你的開發速度。 立即開始使用IronPDF ，簡化文字擷取並提高工作效率。 以下是入門步驟：

*下載免費試用版：*造訪IronPDF 。 查看文件：**瀏覽IronPDF文件中的詳細指南和範例。 *開始建置：以最少的努力在您的.NET應用程式中實現強大的 PDF 功能。

使用IronPDF邁出優化文檔工作流程的第一步。 充分發揮其潛力，增強您的開發流程，並以前所未有的速度交付強大的、基於 PDF 的解決方案。