在今天的教程中，我们将探索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，并比较它们之间的区别。

有几十个专注于PDF的库可供选择，通过花时间比较它们并了解其功能如何运作，您将能够为您的项目需求挑选合适的库。 文本提取只是您可能需要在PDF上执行的众多任务之一，文本提取在需要高效读取或解析PDF文件数据的情况下尤为有用。

PDFSharp

PDFSharp是一个开源的.NET库，专为程序化创建和修改PDF文档而设计。 虽然它的主要优势在于PDF生成和操作，但在与合适的外部库配合使用时，它也提供了读取现有PDF文件和提取内容的基本工具。

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

IronPDF

IronPDF是一个专业级别的.NET库，设计用于简化在C#中处理PDF文档的过程。 它是一个功能丰富的工具，专为开发涉及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的开发人员设计。

凭借其强大的功能，IronPDF作为在小型项目和企业级别应用中创建和管理PDF的多功能解决方案而脱颖而出。

IronPDF旨在兼容现代的.NET框架，包括.NET Core、.NET 5、.NET 6 和 .NET 7，以及像.NET Framework这样的旧版本。 它在Windows、macOS和Linux操作系统上无缝工作，并且与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其PDF工作流。

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

PDFSharp在其当前版本中不具备从PDF文档中提取文本的本机支持。 它主要设计用于创建和操作PDF，例如绘制图形、添加内容和合并文档，但缺乏一个内置的机制，无法单独提取文本，无法处理特殊字符、复杂编码等。 它可能会产生碎片或不完整的文本输出，或者输出为空白字符串而非实际的PDF内容。 例如：

如果您需要支持不同字体、编码和布局的高级文本提取，您可能需要使用更加专业化的库，例如：

1. iText：(或称iText)：这是一个流行的PDF库，具有强大的文本提取和解析功能。

2. **Pdfium：**另一个擅长提取文本的选项，尤其擅长从具有复杂格式的 PDF 中提取文本。

使用IronPDF从PDF文件中提取文本

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

using IronPdf;

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

using IronPdf;

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

Imports IronPdf

Public Class Program
    Public Shared Sub Main(args As String())
        ' Provide the file path to the PDF document
        Dim pdfPath As String = "invoice.pdf"

        ' Load the PDF document using IronPDF
        Dim pdf = PdfDocument.FromFile(pdfPath)

        ' Extract all text from the PDF
        Dim extractedText = pdf.ExtractAllText()

        ' Output the extracted text to the console
        Console.WriteLine(extractedText)
    End Sub
End Class

Imports IronPdf

Public Class Program
    Public Shared Sub Main(args As String())
        ' Provide the file path to the PDF document
        Dim pdfPath As String = "invoice.pdf"

        ' Load the PDF document using IronPDF
        Dim pdf = PdfDocument.FromFile(pdfPath)

        ' Extract all text from the PDF
        Dim extractedText = pdf.ExtractAllText()

        ' Output the extracted text to the console
        Console.WriteLine(extractedText)
    End Sub
End Class

IronPDF提供了简单高效的API，用于从给定的PDF路径中提取文本。 它确保提取的文本结构良好且准确，为需要在其应用程序中处理PDF内容的开发人员提供了可靠的选择。

比较

PDFSharp是一个理想的用于基本PDF创建和操作的免费开源库，但它的功能有限，处理复杂PDF时存在困难。 理论上，它可以用于从PDF文件中提取文本，但这需要高级文本解析，并可能导致输出碎片化。

IronPDF提供了更健壮的解决方案，具有高级功能，如准确的文本提取、HTML到PDF转换，以及对现代PDF标准的支持。 它针对性能和易用性进行优化，且具有直观的API。 虽然它对开发是免费的，但它也为其付费许可层提供 商业许可。

结论

PDFSharp和IronPDF都是在C#中从PDF中提取文本的有价值工具，但它们适合不同的使用场景：

• PDFSharp是需要免费开源库进行基本PDF创建和文本提取的开发人员的绝佳选择。 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则在文本提取、HTML到PDF转换和高级PDF编辑任务方面表现出色。 凭借其易用性、跨平台兼容性和广泛的功能，成为开发人员处理专业级PDF工作流的首选。

要深入了解IronPDF如何优于其他库，请访问官方的IronPDF文档。