itext7从PDF中提取文本与IronPDF（代码示例教程）

在本教程中，我们将学习如何从 PDF 文件中读取数据 (便携式文档格式) 用 C# 编写文件，并使用两种不同的工具举例说明。

网上有许多可以从 PDF 文件中提取文本和图像的解析器库/阅读器。我们将使用两个迄今为止最有用、最好的相关服务库从 PDF 文件中提取信息。我们还将对这两个库进行比较，看看哪一个更好。

我们将比较 iText 7 和 IronPDF.在继续介绍之前，我们先介绍一下这两个库。

iText 7

iText 7 库是 iTextSharp 的最新版本。它可用于 .NET 和 Java 应用程序。它配备了文档引擎 (如 Adobe Acrobat Reader)iText 7 可创建、编辑和增强 PDF 文档页面，且不会出现任何错误。其他功能包括为 PDF 文档添加密码、创建编码策略和保存权限选项。它还可用于添加或更改内容或画布图像，附加 PDF 元素[字典等]您还可以创建水印和书签、更改字体大小以及签署敏感数据。

iText 7 允许我们在 .NET 中为网络、移动、桌面、内核或云应用程序构建自定义 PDF 处理应用程序。

IronPDF

IronPDF 是 Iron Software 开发的一个库，可帮助 C# 和 Java 软件工程师创建、编辑和提取 PDF 内容。它通常用于从 HTML、网页或图像生成 PDF。它可用于读取 PDF 并提取其文本。其他功能包括添加页眉/页脚、签名、附件、密码和安全问题。它具有多线程和异步功能，可全面优化性能。

IronPDF 支持跨平台，兼容 .NET 5、.NET 6 和 .NET 7、.NET Core、Standard 和 Framework。它还兼容 Windows、macOS、Linux、Docker、Azure 和 AWS。

现在，让我们看看它们的演示。

使用 iText 7 从 PDF 文件中提取文本

我们将使用以下 PDF 文件从 PDF 中提取文本。

IronPDF

使用 iText 7 编写以下提取文本的源代码。

//assign PDF location to a string and create new StringBuilder...
string pdfPath = @"D:/TestDocument.pdf";
 var pageText = new StringBuilder();
//read PDF using new PdfDocument and new PdfReader...
 using (PdfDocument document = new PdfDocument(new PdfReader(pdfPath)))
    {
      var pageNumbers = document.GetNumberOfPages();
       for (int page = 1; page <= pageNumbers; page++)
        {
//new LocationTextExtractionStrategy creates a new text extraction renderer
    LocationTextExtractionStrategy strategy = new LocationTextExtractionStrategy();
     PdfCanvasProcessor parser = new PdfCanvasProcessor(strategy);
     parser.ProcessPageContent(document.GetFirstPage());
     pageText.Append(strategy.GetResultantText());
         }
            Console.WriteLine(pageText.ToString());
     }

//assign PDF location to a string and create new StringBuilder...
string pdfPath = @"D:/TestDocument.pdf";
 var pageText = new StringBuilder();
//read PDF using new PdfDocument and new PdfReader...
 using (PdfDocument document = new PdfDocument(new PdfReader(pdfPath)))
    {
      var pageNumbers = document.GetNumberOfPages();
       for (int page = 1; page <= pageNumbers; page++)
        {
//new LocationTextExtractionStrategy creates a new text extraction renderer
    LocationTextExtractionStrategy strategy = new LocationTextExtractionStrategy();
     PdfCanvasProcessor parser = new PdfCanvasProcessor(strategy);
     parser.ProcessPageContent(document.GetFirstPage());
     pageText.Append(strategy.GetResultantText());
         }
            Console.WriteLine(pageText.ToString());
     }

'assign PDF location to a string and create new StringBuilder...
Dim pdfPath As String = "D:/TestDocument.pdf"
 Dim pageText = New StringBuilder()
'read PDF using new PdfDocument and new PdfReader...
 Using document As New PdfDocument(New PdfReader(pdfPath))
	  Dim pageNumbers = document.GetNumberOfPages()
	   For page As Integer = 1 To pageNumbers
'new LocationTextExtractionStrategy creates a new text extraction renderer
	Dim strategy As New LocationTextExtractionStrategy()
	 Dim parser As New PdfCanvasProcessor(strategy)
	 parser.ProcessPageContent(document.GetFirstPage())
	 pageText.Append(strategy.GetResultantText())
	   Next page
			Console.WriteLine(pageText.ToString())
 End Using

提取文本输出

现在，让我们使用 IronPDF 从 PDF 中提取文本。

使用 IronPDF 从 PDF 文档中提取文本

以下源代码演示了使用 IronPDF 从 PDF 中提取文本的示例。

var pdf = PdfDocument.FromFile(@"D:/TestDocument.pdf");
string text = pdf.ExtractAllText();
Console.WriteLine(text);

var pdf = PdfDocument.FromFile(@"D:/TestDocument.pdf");
string text = pdf.ExtractAllText();
Console.WriteLine(text);

Dim pdf = PdfDocument.FromFile("D:/TestDocument.pdf")
Dim text As String = pdf.ExtractAllText()
Console.WriteLine(text)

使用 IronPDF 提取文本

比较

使用 IronPDF，从 PDF 中提取文本只需两行代码。而使用 iText 7，我们则需要编写大约 10 行代码才能完成同样的任务。

IronPDF 提供了方便的文本提取方法，但 iText 7 要求我们编写自己的逻辑来完成同样的任务。

IronPDF 在性能和代码可读性方面都很高效。

这两个库在准确性方面不分伯仲，都能提供 100% 的准确输出。

结论

iText 7 适用于 商业 仅此而已。IronPDF 的开发是免费的，而且还提供了一个 免费试用 对于 商业用途.

有关 IronPDF 和 iText 7 的更深入比较，请阅读以下内容 博文.