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 一起相容，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;

Imports 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");

Imports IronPdf
Private pdf As PdfDocument = PdfDocument.FromFile("example.pdf")

PdfDocument類別表示記憶體中的 PDF 文件，可讓您執行各種操作，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.");
    }
}

Imports IronPdf
Public Class Program
	Public Shared Sub Main(ByVal args() As String)
		Dim path As String = "example.pdf"
		' Load a PDF file
		Dim pdf As PdfDocument = PdfDocument.FromFile(path)
		' Extract all text from the PDF
		Dim text As String = pdf.ExtractAllText()
		' Search for a specific term
		Dim searchTerm As String = "Invoice"
		Dim isFound As Boolean = text.Contains(searchTerm, StringComparison.OrdinalIgnoreCase)
		Console.WriteLine(If(isFound, $"The term '{searchTerm}' was found in the PDF!", $"The term '{searchTerm}' was not found."))
	End Sub
End Class

Input PDF

如何在 C# 中找到 PDF 中的文字：圖 2

控制台輸出

如何在 C# 中找到 PDF 中的文字：圖 3

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確保搜尋的文字不會區分大小寫。

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}");
}

Imports System.Text.RegularExpressions ' Required namespace for using regex
' Extract all text
Private pdfText As String = pdf.ExtractAllText()
' Use a regex to find patterns (e.g., email addresses)
Private regex As New Regex("[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}")
Private matches As MatchCollection = regex.Matches(pdfText)
For Each match As Match In matches
	Console.WriteLine($"Found match: {match.Value}")
Next match

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!");
        }
    }
}

Imports IronPdf
Public Class Program
	Public Shared Sub Main(ByVal args() As String)
		' Load a PDF file
		Dim pdf As PdfDocument = PdfDocument.FromFile("urlPdf.pdf")
		' Extract text from the first page
		Dim pageText = pdf.Pages(0).Text.ToString()
		If pageText.Contains("IronPDF") Then
			Console.WriteLine("Found the term 'IronPDF' on the first page!")
		End If
	End Sub
End Class

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字或條款。 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 踏出優化文件工作流程的第一步。 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。