PDFsharp 从 PDF 中提取文本与 IronPDF（示例）

在今天的教程中，我们将探讨如何使用两个强大的PDF库，IronPDF和PDFSharp从PDF文档中提取文本。 我们将学习如何使用这些工具进行文本提取，而无需拥有 Adobe 库许可证，并了解它们之间的比较。

市场上有许多专注于PDF的库可供选择，通过花时间比较它们并了解其功能的工作原理，您将能够为项目的需求选择合适的库。 文本提取只是您可能需要在PDF上执行的众多任务中的一个例子。文本提取在您需要高效读取或解析PDF文件中的数据时非常有用。

PDFsharp

PDFsharp 是一个开源的 .NET 库，专为以编程方式创建和修改 PDF 文档而设计。 虽然其主要优势在于PDF生成和操作，但在与合适的外部库结合使用时，它也提供了用于读取现有PDF文件和提取内容的基本工具。

PDFsharp不仅可以随时创建新的PDF文档，还可以用于修改现有的PDF文件、合并和拆分文档、添加注释等。

IronPDF

IronPDF 是一个专业级的 .NET 库，旨在简化在 C# 中处理 PDF 文档的过程。 这是一款功能丰富的工具，专为开发人员构建涉及PDF生成、操作、PDF加密、转换PDF文件、合并PDF页面、HTML到PDF转换、内容提取等应用程序而设计。

凭借其强大的功能，IronPDF 作为一个多用途的解决方案在小型项目和企业级应用中创建和管理 PDF 文件方面脱颖而出。

IronPDF被设计为兼容现代.NET框架，包括.NET Core、.NET 5、.NET 6和.NET 7，以及像.NET Framework这样的老版本。 它在 Windows、macOS 和 Linux 等操作系统上无缝运行，并与 Docker、Azure 和 AWS 环境完全兼容。 这确保了开发人员可以在任何平台或云服务上部署他们的PDF工作流程。

对于今天的示例，我们将在Visual Studio中尝试从此PDF文档中提取文本：

使用PDFsharp从PDF文件中提取文本

当前版本的PDFSharp不具备从PDF文档中提取文本的原生支持。 它主要用于创建和处理PDF，例如绘制图形、添加内容和合并文档，但它缺乏提取文本的内置机制，无法处理特殊字符、高级编码等。 它可能会生成碎片化或不完整的文本输出，或空字符串而不是实际的PDF内容。 例如

如果您需要具有更好字体、编码和布局支持的高级文本提取，您可能需要使用更专业的库，例如：

1. iTextSharp（或 iText 7）：这是一个流行的 PDF 库，具有强大的文本提取和解析支持。

2. Pdfium：另一种选择，它在提取文本方面表现出色，尤其是从具有复杂格式的PDF中。

使用 IronPDF 从 PDF 文件中提取文本

现在，让我们看看如何使用IronPDF处理文本提取。 IronPDF 的文本提取功能为开发人员提供了一种简洁而强大的方法，可以高效地从 PDF 文档中提取文本，而无需额外的代码将数据字符串正确格式化为可读文本。

using IronPdf;
public class Program
{
    static void Main(string[] args)
    {
    // Provide the file path
        string pdfPath = @"invoice.pdf";
        // Load the PDF document using IronPDF
        var pdf = PdfDocument.FromFile(pdfPath);
        // Extract all text from the PDF
        var text = pdf.ExtractAllText();
        // Output the extracted text
        Console.WriteLine(extractedText);
    }
}

using IronPdf;
public class Program
{
    static void Main(string[] args)
    {
    // Provide the file path
        string pdfPath = @"invoice.pdf";
        // Load the PDF document using IronPDF
        var pdf = PdfDocument.FromFile(pdfPath);
        // Extract all text from the PDF
        var text = pdf.ExtractAllText();
        // Output the extracted text
        Console.WriteLine(extractedText);
    }
}

Imports IronPdf
Public Class Program
	Shared Sub Main(ByVal args() As String)
	' Provide the file path
		Dim pdfPath As String = "invoice.pdf"
		' Load the PDF document using IronPDF
		Dim pdf = PdfDocument.FromFile(pdfPath)
		' Extract all text from the PDF
		Dim text = pdf.ExtractAllText()
		' Output the extracted text
		Console.WriteLine(extractedText)
	End Sub
End Class

IronPDF 提供了一个简单高效的 API，用于从给定的 PDF 路径中提取文本。 这确保提取的文本结构良好且准确，使其成为开发人员在其应用程序中需要处理PDF内容时的可靠选择。

比较

PDFSharp 是一个免费的开源库，适合用于基本的PDF创建和操作，但功能有限，处理复杂的PDF时会有困难。 在理论上，它可能用于从PDF文件中提取文本，但这需要高级文本解析，并可能导致输出分段。

IronPDF 提供了一种更强大的解决方案，具备高级功能，如精确文本提取、HTML 转 PDF 转换，以及对现代 PDF 标准的支持。 它经过优化以提高性能，并通过直观的API易于使用。 虽然在开发过程中是免费的，但它也为其付费许可等级提供商业许可。

结论

PDFsharp 和 IronPDF 都是用于在 C# 中处理从 PDF 中提取文本的有价值工具，但它们适用于不同的使用场景：

• PDFSharp 是开发人员的绝佳选择，他们需要一个免费的开源库来进行基本的 PDF 创建和文本提取。 然而，其文本提取能力有限，可能无法满足更复杂应用程序的需求。

• IronPDF在文本提取、HTML到PDF转换以及高级PDF编辑任务方面表现出色。 其易用性、跨平台兼容性和广泛的功能，使其成为处理专业级PDF工作流程的开发人员的首选。

  要深入了解IronPDF如何优于其他库，请访问官方IronPDF 文档。