如何在C#中使用iTextSharp读取PDF文档：

IronPDF 通过一个对开发人员更加友好的 API 简化了 PDF 文本提取、操作和阅读。 与 iText 7 需要低级操作不同，IronPDF 只需几行代码即可实现文本提取。

为了展示 IronPDF 强大的文本提取工具的实际效果，我将提取以下 PDF 文档中的内容。

代码示例

using IronPdf;

class Program
{
    static void Main()
    {
        string pdfPath = "sample.pdf";

        // Load the PDF document
        var pdf = new PdfDocument(pdfPath);

        // Extract all text from the loaded PDF document
        string extractedText = pdf.ExtractAllText();

        // Output the extracted text to the console
        Console.WriteLine(extractedText);
    }
}

using IronPdf;

class Program
{
    static void Main()
    {
        string pdfPath = "sample.pdf";

        // Load the PDF document
        var pdf = new PdfDocument(pdfPath);

        // Extract all text from the loaded PDF document
        string extractedText = pdf.ExtractAllText();

        // Output the extracted text to the console
        Console.WriteLine(extractedText);
    }
}

输出

解释：

IronPDF 利用其高级 API 简化了 PDF 文本提取，无需进行低级操作。 只需几行代码，IronPDF 就能高效地提取 PDF 文档中的所有文本，这与 iText 7 等库不同，后者通常需要手动迭页和进行复杂的处理。

在示例中，ExtractAllText()方法快速提取所有文本，使流程更加简化。 与需要手动处理单个页面和文本元素的 iText 7 相比，这是一项重大优势。

扩展 IronPDF 以完成其他任务：

在基本文本提取示例的基础上，IronPDF 的高级 API 简化了其他常见的 PDF 任务，同时保持了易用性和效率：

从特定页面提取文本：如果需要从特定页面或范围提取文本，IronPDF使这项任务变得简单。 例如，从第一页提取文本：

var pdf = new PdfDocument("sample.pdf");

// Access text from the first page
string pageText = pdf.Pages[0].Text;

Console.WriteLine(pageText);

var pdf = new PdfDocument("sample.pdf");

// Access text from the first page
string pageText = pdf.Pages[0].Text;

Console.WriteLine(pageText);

PDF操作：在从多个PDF提取文本或数据后，您可能想将它们合并成一个文档。 IronPDF 让合并多个 PDF 文件变得简单：

var pdf1 = new PdfDocument("file1.pdf");
var pdf2 = new PdfDocument("file2.pdf");

// Merge the PDFs into a single document
var combinedPdf = PdfDocument.Merge(pdf1, pdf2);

combinedPdf.SaveAs("combined_output.pdf");

var pdf1 = new PdfDocument("file1.pdf");
var pdf2 = new PdfDocument("file2.pdf");

// Merge the PDFs into a single document
var combinedPdf = PdfDocument.Merge(pdf1, pdf2);

combinedPdf.SaveAs("combined_output.pdf");

PDF转HTML转化：如果需要将PDF转换回HTML以便进一步提取或操作，IronPDF同样提供此功能：

var pdf = new PdfDocument("sample.pdf");

// Convert the PDF to an HTML string
string htmlContent = pdf.ToHtmlString();

var pdf = new PdfDocument("sample.pdf");

// Convert the PDF to an HTML string
string htmlContent = pdf.ToHtmlString();

有了 IronPDF，文本提取只是一个开始。 该库的 API 简单而功能强大，可扩展至各种 PDF 操作任务，所有操作均采用直观的格式，易于集成到您的工作流程中。

iText 7 需要使用 PDF阅读器、流和字节级数据处理。 提取文本并不简单，因为需要反复浏览 PDF 页面并手动处理各种结构。 在本代码示例中，我们将使用与 IronPDF 部分相同的 PDF 文档。

using iText.Kernel.Pdf;
using iText.Kernel.Pdf.Canvas.Parser;

class Program
{
    static void Main()
    {
        string pdfPath = "sample.pdf";
        string extractedText = ExtractTextFromPdf(pdfPath);
        Console.WriteLine(extractedText);
    }

    // Method to extract text from a PDF
    static string ExtractTextFromPdf(string pdfPath)
    {
        // Use PdfReader to load the PDF
        using (PdfReader reader = new PdfReader(pdfPath))
        // Open the PDF document for processing
        using (iText.Kernel.Pdf.PdfDocument pdfDoc = new iText.Kernel.Pdf.PdfDocument(reader))
        {
            string text = "";
            // Iterate through each page and extract text
            for (int i = 1; i <= pdfDoc.GetNumberOfPages(); i++)
            {
                text += PdfTextExtractor.GetTextFromPage(pdfDoc.GetPage(i)) + Environment.NewLine;
            }
            return text;
        }
    }
}

using iText.Kernel.Pdf;
using iText.Kernel.Pdf.Canvas.Parser;

class Program
{
    static void Main()
    {
        string pdfPath = "sample.pdf";
        string extractedText = ExtractTextFromPdf(pdfPath);
        Console.WriteLine(extractedText);
    }

    // Method to extract text from a PDF
    static string ExtractTextFromPdf(string pdfPath)
    {
        // Use PdfReader to load the PDF
        using (PdfReader reader = new PdfReader(pdfPath))
        // Open the PDF document for processing
        using (iText.Kernel.Pdf.PdfDocument pdfDoc = new iText.Kernel.Pdf.PdfDocument(reader))
        {
            string text = "";
            // Iterate through each page and extract text
            for (int i = 1; i <= pdfDoc.GetNumberOfPages(); i++)
            {
                text += PdfTextExtractor.GetTextFromPage(pdfDoc.GetPage(i)) + Environment.NewLine;
            }
            return text;
        }
    }
}

输出

解释：

• PdfReader加载PDF文件以进行阅读。
• PdfDocument对象允许逐页迭代。
• PdfTextExtractor.GetTextFromPage()从每页提取文本。
• 最终文本将存储在一个字符串中并显示出来。

这种方法可行，但需要手动迭代，对于结构化文档或扫描的 PDF 文件来说可能比较麻烦。