How to Read Data from PDF Files in ASP.NET Core

如何在 ASP.NET Core 中設定 IronPDF？

在 ASP.NET Core 專案中使用 IronPDF 非常快速。 使用以下命令透過 NuGet 套件管理器控制台安裝IronPDF NuGet 套件：

Install-Package IronPdf

或透過 .NET CLI：

dotnet add package IronPdf

安裝完成後，將 IronPDF 命名空間新增至您的 Program 類別、控制器或服務：

using IronPdf;

using IronPdf;

有關Docker 部署、 Azure 設定和其他Linux 相容性等詳細安裝選項，請查看完整文件。 該函式庫在容器化環境中運作流暢，只需極少的配置，使其成為微服務架構的理想選擇。 您也可以將其設定為適用於AWS Lambda環境、 Windows 伺服器或macOS 系統。 安裝概述提供了特定於平台的指導，而進階 NuGet 選項則涵蓋了企業部署場景。

如何從PDF文件中提取文字？

IronPDF 的ExtractAllText方法可立即存取 PDF 文件中的所有文字內容。 此方法可處理各種文字編碼，並保持原始文件的閱讀順序，從而確保從 ASP.NET Core 應用程式中的 PDF 檔案準確提取資料。 提取過程是線程安全的，並針對高效能場景進行了改進。 它支援國際語言的UTF-8編碼。

// Load a PDF document
var pdf = PdfDocument.FromFile("document.pdf");
// Extract all text
string allText = pdf.ExtractAllText();
// Extract text from specific page (0-indexed)
string pageText = pdf.ExtractTextFromPage(0); // current page

// Load a PDF document
var pdf = PdfDocument.FromFile("document.pdf");
// Extract all text
string allText = pdf.ExtractAllText();
// Extract text from specific page (0-indexed)
string pageText = pdf.ExtractTextFromPage(0); // current page

ExtractAllText方法傳回一個字串，其中包含 PDF 中的所有可讀文本，並保留換行符和空格。 對於頁面特定的提取， ExtractTextFromPage允許使用從零開始的索引來定位單一頁面。 當您提供正確的密碼時，此方法可以順利地用於加密 PDF 文件。 文本提取支援UTF-8編碼和國際語言。 您也可以解析特定區域或使用PDF DOM 物件進行更精細的控制。

以下是一個實用的 ASP.NET Core 控制器實現，示範如何使用最少的記憶體分配從 PDF 檔案中讀取資料：

[ApiController]
[Route("api/[controller]")]
public class PdfController : ControllerBase
{
    [HttpPost("extract-text")]
    public IActionResult ExtractText(IFormFile pdfFile)
    {
        using var stream = new MemoryStream();
        pdfFile.CopyTo(stream);
        var pdf = new PdfDocument(stream.ToArray());
        var extractedText = pdf.ExtractAllText();
        return Ok(new { text = extractedText });
    }
}

[ApiController]
[Route("api/[controller]")]
public class PdfController : ControllerBase
{
    [HttpPost("extract-text")]
    public IActionResult ExtractText(IFormFile pdfFile)
    {
        using var stream = new MemoryStream();
        pdfFile.CopyTo(stream);
        var pdf = new PdfDocument(stream.ToArray());
        var extractedText = pdf.ExtractAllText();
        return Ok(new { text = extractedText });
    }
}

如何讀取PDF表單資料？

PDF 表單包含使用者需要填寫的互動式欄位。 IronPDF 透過其完整的表單 API 簡化了表單資料的擷取，支援所有標準的AcroForm欄位類型。您可以輕鬆提取所有表單欄位數據，包括文字方塊、複選框和內容類型詳細資訊。 該庫可自動處理數位簽章和表單驗證。 它還支援符合 PDF/A歸檔要求和第 508 條無障礙標準。

然後可以將回應儲存到資料庫、傳回給用戶，或整合到您的 ASP.NET 應用程式工作流程中。 對於Azure 部署，請考慮使用Blob 儲存體來儲存處理後的表單資料。 以下程式碼示範如何實現此功能：

[HttpPost("extract-form")]
        public IActionResult ExtractForm([FromForm] IFormFile pdfFile)
        {
            if (pdfFile == null || pdfFile.Length == 0)
            {
                return BadRequest("No PDF file uploaded.");
            }
            using var stream = new MemoryStream();
            pdfFile.CopyTo(stream);
            var pdf = new PdfDocument(stream.ToArray());
            var formData = new Dictionary<string, string>();
            if (pdf.Form != null)
            {
                foreach (var field in pdf.Form)
                {
                    formData[field.Name] = field.Value;
                }
            }
            return Ok(new { formFields = formData });
        }

[HttpPost("extract-form")]
        public IActionResult ExtractForm([FromForm] IFormFile pdfFile)
        {
            if (pdfFile == null || pdfFile.Length == 0)
            {
                return BadRequest("No PDF file uploaded.");
            }
            using var stream = new MemoryStream();
            pdfFile.CopyTo(stream);
            var pdf = new PdfDocument(stream.ToArray());
            var formData = new Dictionary<string, string>();
            if (pdf.Form != null)
            {
                foreach (var field in pdf.Form)
                {
                    formData[field.Name] = field.Value;
                }
            }
            return Ok(new { formFields = formData });
        }

ExtractForm端點使用PdfDocument的 Form 屬性從上傳的 PDF 中讀取互動式欄位。 每個欄位都有一個名稱和一個值，它們被收集到一個字典中，並以 JSON 格式傳回。 這樣就可以輕鬆地從文字方塊、複選框和其他輸入框中捕獲數據，從而可以直接處理 PDF 表單提交內容並將其整合到您的應用程式或資料庫中。 如需自訂記錄表單處理事件日誌，請與您首選的日誌框架整合。 您也可以將表單展平以防止進一步編輯，或以程式設計方式新增新的表單欄位。

如何從PDF文件中提取表格資料？

PDF 中的表格本質上是格式化的文本，需要解析邏輯來提取結構化資料。 IronPDF 可以提取文字並保留間距，然後您可以在 ASP.NET 中解析這些文字以從 PDF 檔案中讀取資料。 對於複雜的表格，可以考慮使用DOM 物件存取以程式設計方式存取文件結構。 該庫能夠處理多列佈局，並在提取過程中保留字體格式：

[HttpPost("extract-table")]
public IActionResult ExtractTable([FromForm] IFormFile pdfFile)
{
    if (pdfFile == null || pdfFile.Length == 0)
        return BadRequest("No PDF file uploaded.");
    using var memoryStream = new MemoryStream();
    pdfFile.CopyTo(memoryStream);
    // Load PDF from byte array
    var pdf = new PdfDocument(memoryStream.ToArray());
    // Extract all text
    string text = pdf.ExtractAllText();
    // Split text into lines (rows)
    string[] lines = text.Split(new[] { '\r', '\n' }, StringSplitOptions.RemoveEmptyEntries);
    var tableData = new List<string[]>();
    foreach (string line in lines)
    {
        // Split line into columns using tab character
        string[] columns = line
            .Split('\t')
            .Where(c => !string.IsNullOrWhiteSpace(c))
            .ToArray();
        if (columns.Length > 0)
            tableData.Add(columns);
    }
    var table = tableData.Select(r => string.Join(" | ", r)).ToList();
    return Ok(new { Table = table });
}

[HttpPost("extract-table")]
public IActionResult ExtractTable([FromForm] IFormFile pdfFile)
{
    if (pdfFile == null || pdfFile.Length == 0)
        return BadRequest("No PDF file uploaded.");
    using var memoryStream = new MemoryStream();
    pdfFile.CopyTo(memoryStream);
    // Load PDF from byte array
    var pdf = new PdfDocument(memoryStream.ToArray());
    // Extract all text
    string text = pdf.ExtractAllText();
    // Split text into lines (rows)
    string[] lines = text.Split(new[] { '\r', '\n' }, StringSplitOptions.RemoveEmptyEntries);
    var tableData = new List<string[]>();
    foreach (string line in lines)
    {
        // Split line into columns using tab character
        string[] columns = line
            .Split('\t')
            .Where(c => !string.IsNullOrWhiteSpace(c))
            .ToArray();
        if (columns.Length > 0)
            tableData.Add(columns);
    }
    var table = tableData.Select(r => string.Join(" | ", r)).ToList();
    return Ok(new { Table = table });
}

這段程式碼提取文本，並根據間距模式將其拆分為可能的表格行。 對於更複雜的表格，您可能需要使用關鍵字來識別表格邊界，或根據您的特定 PDF 結構實作更複雜的解析邏輯。 對於包含多個表格的大型文檔，可以考慮使用並行處理。 您也可以將表格轉換為 HTML 格式以便於操作，或匯出到 Excel進行進一步分析。

可以下載此輸出結果，在瀏覽器中顯示，或對其進行處理以獲取更多資訊。 您可以整合CSS 格式化或HTML 字串渲染，以便在您的解決方案中動態顯示表格。 對於高效能應用場景，快取已解析的表格資料以避免重複處理。 在儲存提取的資料時，考慮使用壓縮技術來減少檔案大小。

在 ASP.NET Core 中如何處理上傳的 PDF 檔案？

處理上傳的 PDF 檔案需要將IFormFile轉換為 IronPDF 可以讀取的格式。 這種方法與Razor Pages和MVC 控制器搭配使用非常順暢。 對於容器化應用程序，請確保設定正確的記憶體分配。 此流程支援大型文件和批次操作：

[HttpPost("process-upload")]
        public async Task<IActionResult> ProcessPdf([FromForm] IFormFile file)
        {
            if (file == null || file.Length == 0)
                return BadRequest("No PDF file uploaded.");
            using var ms = new MemoryStream();
            await file.CopyToAsync(ms);
            // Load PDF from byte array
            var pdf = new PdfDocument(ms.ToArray());
            // Extract text and page count
            var text = pdf.ExtractAllText();
            var pageCount = pdf.PageCount;
            return Ok(new
            {
                text = text,
                pages = pageCount
            });
        }

[HttpPost("process-upload")]
        public async Task<IActionResult> ProcessPdf([FromForm] IFormFile file)
        {
            if (file == null || file.Length == 0)
                return BadRequest("No PDF file uploaded.");
            using var ms = new MemoryStream();
            await file.CopyToAsync(ms);
            // Load PDF from byte array
            var pdf = new PdfDocument(ms.ToArray());
            // Extract text and page count
            var text = pdf.ExtractAllText();
            var pageCount = pdf.PageCount;
            return Ok(new
            {
                text = text,
                pages = pageCount
            });
        }

此非同步任務可確保非阻塞處理，並可與事件處理程序和標準 .NET 程式庫搭配使用。 使用帶有 Content-Disposition 標頭的ReturnFile可以讓使用者安全地下載已處理的 PDF 檔案。 為了提高安全性，請考慮在處理文件之前實施文件驗證。 非同步模式提高了雲端部署的可擴充性。 您也可以在處理過程中新增自訂浮水印或數位簽章。 對於MAUI 應用程序，類似的模式也適用，但需要根據平台進行調整。

PDF資料擷取的下一步是什麼？

IronPDF 讓在 ASP.NET Core 和其他 .NET Core 應用程式中讀取、提取、處理和保存 PDF 文件變得容易。 無論您是處理表單、表格、純文字還是數位簽名，這個 .NET 函式庫都能將通常需要數小時才能完成的任務簡化為幾行程式碼。 您可以建立、轉換、存取和顯示HTML 、瀏覽器甚至映像格式的輸出。 圖書館支援PDF/A 合規性，可進行長期存檔，並符合第 508 條款無障礙標準。

對於生產環境部署，請考慮實施健康檢查端點來監控 PDF 處理服務。 使用自訂日誌記錄來追蹤提取效能和錯誤。 實現分散式系統中處理瞬態故障的重試策略。 配置渲染選項以獲得最佳效能，並對經常存取的文件實施快取策略。 該庫與CI/CD 管線整合良好，並支援伺服器環境下的無頭渲染。

首先進行免費試用，探索 IronPDF 在 ASP.NET Core 專案中的完整功能。 在購買許可證之前，您可以建立和測試您的 PDF 提取工作流程。 對於生產環境，IronPDF 提供靈活的授權選項，適合個人開發者或大型團隊。 該庫支援容器化部署，並為團隊提供完整的文件。 使用 IronPDF 是在 ASP.NET Core 中處理 PDF 檔案的最快方法之一，而且不會像通常那樣出現部署方面的麻煩。 查看快速入門指南以立即實施，或探索OCR 功能和條碼產生等高級功能，以獲得完整的文件處理解決方案。