C#从PDF中提取文本（代码示例教程）

1. IronPDF 功能

IronPDF是一款强大的PDF转换器，几乎可以执行浏览器能做的任何操作。 对于开发人员来说，使用.NET库创建、读取和操作PDF文档非常简单。 IronPDF使用Chrome引擎将HTML转换为PDF文档。IronPDF支持HTML、ASPX、Razor HTML以及MVC View等网页组件。 Microsoft .NET应用程序由IronPDF支持（包括ASP.NET Web应用程序和传统的Windows应用程序）。 IronPDF也可用于创建一个吸引人的PDF文档。

我们可以使用IronPDF从HTML5、JavaScript、CSS和图像制作PDF文档。 此外，文件还可以有页眉和页脚。 得益于IronPDF，我们可以轻松读取PDF文档。 IronPDF还具有全面的PDF转换引擎和强大的HTML到PDF转换器，能够处理PDF文档。

• PDF创建： 从HTML、JavaScript、CSS、图像或URL生成PDF。 添加页眉、页脚、书签、水印和其他自定义元素以增强设计。
• HTML到PDF转换： 直接将HTML、Razor/MVC视图和媒体类型CSS文件转换为PDF格式。
• 交互式PDF功能： 创建、填写和提交交互式PDF表单。
• 文本和图像提取： 从现有PDF文档中提取文本或图像以进行数据处理或重用。
• 文档操作： 合并、拆分和重新排列新或现有PDF文件中的页面。
• 图像和页面处理： 将PDF页面栅格化为图像并将图像转换为PDF格式。
• 使用自定义登录凭据： IronPDF能够从URL创建文档。 它还支持自定义网络登录凭据、用户代理、代理、cookies、HTTP头和用于在HTML登录表单后面进行登录的表单变量。
• 搜索和可访问性： 在PDF文档中搜索文本并确保它们符合可访问性标准。
• 转换多样性： 将PDF转化为其他格式如HTML，并使用CSS文件生成PDF。
• 独立功能： 独立运行，无需Adobe Acrobat或其他第三方工具。

2. 在Visual Studio中新建项目

打开 Visual Studio 软件并转到文件菜单。 选择 "新建项目" 然后选择 "控制台应用程序"。 在这篇文章中，我们将使用控制台应用程序生成PDF文档。

在Visual Studio中创建新项目

输入项目名称，并在相应的文本框中选择文件路径。 然后，单击 创建 按钮并选择所需的.NET Framework，如下图所示。

配置Visual Studio中的新项目

Visual Studio项目现在将生成所选应用程序的结构，如果您选择了控制台、Windows和Web应用程序，它将打开program.cs文件，您可以在其中输入代码并构建/运行应用程序。

选择.NET Core

接下来，我们可以添加库来测试代码。

3. 安装IronPDF库

IronPDF库可以通过四种方式下载和安装。

这些是：

• 使用Visual Studio。
• 使用Visual Studio命令行。
• 从NuGet网站直接下载。
• 从IronPDF网站直接下载。

Install-Package IronPdf

4. 使用IronPDF提取文本

IronPDF程序允许我们从PDF文件中执行文本提取并将PDF页面转换为PDF对象。 以下是如何使用IronPDF读取现有PDF的示例。

第一种方法是从PDF中提取文本，下面是示例代码片段。

using IronPdf;

// Load an existing PDF document from a file
var pdfDocument = PdfDocument.FromFile("result.pdf");

// Extract all text from the entire PDF document
string allText = pdfDocument.ExtractAllText();

using IronPdf;

// Load an existing PDF document from a file
var pdfDocument = PdfDocument.FromFile("result.pdf");

// Extract all text from the entire PDF document
string allText = pdfDocument.ExtractAllText();

Imports IronPdf

' Load an existing PDF document from a file
Private pdfDocument = PdfDocument.FromFile("result.pdf")

' Extract all text from the entire PDF document
Private allText As String = pdfDocument.ExtractAllText()

FromFile静态方法用于从现有文件加载PDF文档并将其转换为PDFDocument对象，如上面的代码所示。 我们可以使用该对象读取 PDF 页面上可访问的文本和图像。 该对象有一个名为ExtractAllText的方法，该方法从整个PDF文档中提取所有文本，然后将提取的文本保存在我们可以用于处理的字符串中。

以下是我们可以使用的一种第二种方法的代码示例，按页面提取PDF文件中的文本。

using IronPdf;

// Load an existing PDF document from a file
using PdfDocument pdf = PdfDocument.FromFile("result.pdf");

// Loop through each page of the PDF document
for (var index = 0; index < pdf.PageCount; index++)
{
    // Extract text from the current page
    string text = pdf.ExtractTextFromPage(index);
}

using IronPdf;

// Load an existing PDF document from a file
using PdfDocument pdf = PdfDocument.FromFile("result.pdf");

// Loop through each page of the PDF document
for (var index = 0; index < pdf.PageCount; index++)
{
    // Extract text from the current page
    string text = pdf.ExtractTextFromPage(index);
}

Imports IronPdf

' Load an existing PDF document from a file
Private PdfDocument As using

' Loop through each page of the PDF document
For index = 0 To pdf.PageCount - 1
	' Extract text from the current page
	Dim text As String = pdf.ExtractTextFromPage(index)
Next index

在上面的代码中，我们看到它首先加载整个PDF文档并将其转换为PDF对象。 然后，我们使用一个名为PageCount的内置属性来获得整个PDF文档的页数，该属性检索已加载PDF文档中可用的总页数。 使用"for循环"和ExtractTextFromPage函数允许我们将页码作为参数传递，从已加载的文档中提取文本。 接下来，它将准确的文本保存在字符串变量中。 同样，它将借助于"for"或"for each"循环逐页从PDF中提取文本。

5. 结论

IronPDF是一个多功能且强大的PDF库，旨在使在.NET应用程序中处理PDF无缝。 其强大的功能使开发人员能够创建、操作和提取内容，而无需依赖于诸如Adobe Reader之类的第三方依赖。 IronPDF的一项突出能力是从PDF文档中提取文本的能力。 这个功能对于自动化任务如数据分析、文档索引、内容迁移和启用可访问性功能非常有价值。 通过允许开发人员以编程方式检索和处理文本，IronPDF简化了工作流程，并为处理PDF内容开辟了新的可能性。

通过简单的集成和跨平台支持，IronPDF是寻求高效处理PDF文档的开发人员的理想选择。 此外，IronPDF提供免费试用，允许您在承诺之前无风险探索其全套功能。 有关定价详细信息及了解更多关于许可选项，请访问定价页面。