C# 从 PDF 提取文本（代码示例教程）

PDF（便携式文档格式）文件在无数行业中扮演着重要角色，使企业能够安全地分享、存储和管理文档。 对于开发人员来说，使用 PDF 文件通常涉及创建、阅读、转换和提取内容，以支持客户需求。 从 PDF 中提取文本对于数据分析、文档索引、内容迁移或启用可访问性功能等任务至关重要。 像IronPDF这样现代的库使这些任务变得比以往任何时候都更容易，提供强大的工具以最小的努力操控PDF文件。

本指南侧重于最常见的需求之一：用 C# 从 PDF 中提取文本。 我们将引导您在 Visual Studio 中设置一个项目，安装 IronPdf，并通过简明的代码示例使用它执行文本提取。 在翻译过程中，我们将重点介绍 IronPDF 的强大功能，包括使用 .NET 创建、处理和转换 PDF 文件的能力。 无论您是在构建文档繁重的应用程序，还是仅仅需要高效的 PDF 处理，本教程都将助您一臂之力。

1.IronPDF 功能

IronPdf 是一款功能强大的 PDF 转换器，几乎可以执行浏览器可以执行的任何操作。 使用面向开发人员的 .NET 库，创建、阅读和操作 PDF 文档非常简单。 IronPDF 使用 Chrome 引擎将 HTML 文档转换为 PDF 文档。IronPdf 支持 HTML、ASPX、Razor HTML 和 MVC View 等网络组件。 Microsoft .NET 应用程序支持 IronPDF（包括 ASP.NET Web 应用程序和传统的 Windows 应用程序）。 IronPDF 还可用于创建具有视觉吸引力的 PDF 文档。

我们可以用 IronPDF 将 HTML5、JavaScript、CSS 和图片制作成 PDF 文档。 此外，文件可以有页眉和页脚。 多亏了 IronPDF，我们才能轻松阅读 PDF 文档。 IronPDF 还拥有全面的 PDF 转换引擎和强大的 HTML 到 PDF 转换器，可以处理 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，以增强设计效果。
• HTML 转换为 PDF：将 HTML、Razor/MVC 视图和媒体类型的 CSS 文件直接转换为 PDF 格式。
• 交互式PDF功能： 构建、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、拆分以及重新排列新或现有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证、用户代理、代理、cookie、HTTP 头和表单变量，用于在 HTML 登录表单后登录。
• 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。
• 转换多功能性：将 PDF 转换为其他格式，如 HTML，并使用 CSS 文件生成 PDF。
• 独立功能： 独立运行，无需 Adobe Acrobat 或额外的第三方工具。

2.在 Visual Studio 中创建新项目

打开 Visual Studio 软件，进入 "文件 "菜单。 选择 "新建项目"，然后选择 "控制台应用程序"。 在本文中，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

在相应文本框中输入项目名称并选择文件路径。 然后，点击创建按钮并选择所需的.NET Framework，如下图所示。

在Visual Studio中设置新项目

Visual Studio 项目现在将为选定的应用程序生成结构，如果您选择了控制台、Windows 或 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。

它们是

• 使用 Visual Studio。
• 使用 Visual Studio 命令行
• 直接从 NuGet 网站下载。
• 直接从 IronPDF 网站下载。

3.1 使用 Visual Studio

Visual Studio 软件提供了 NuGet 软件包管理器选项，可直接将软件包安装到解决方案中。 下面的截图显示了如何打开 NuGet 包管理器。

Visual Studio program.cs 文件

它提供了搜索框来显示 NuGet 网站上的软件包列表。在软件包管理器中，我们需要搜索关键词 "IronPdf"，如下截图所示。

NuGet包管理器

在上图中，我们可以看到相关搜索项的列表。 我们需要选择所需的选项，将软件包安装到解决方案中。

3.2 使用 Visual Studio 命令行

在 Visual Studio 中，转到工具 > NuGet 包管理器 > 包管理器控制台

在软件包管理器控制台选项卡中输入以下一行：

Install-Package IronPdf

现在，软件包将下载/安装到当前项目，并可随时使用。

NuGet 包管理器中的 IronPdf 库

3.3 直接从 NuGet 网站下载

--LIBRARY_NUGET_INSTALL_BLOCK--

第三种方法是直接从他们的网站下载IronPDF NuGet 包。

• 导航至 NuGet 上的 IronPDF 软件包。
• 从右侧菜单中选择下载软件包选项。
• 双击下载的软件包。 它将自动安装。
• 接下来，重新加载解决方案并开始在项目中使用。

3.4 直接从 IronPDF 网站下载

下载DLL

下载DLL

考虑直接安装IronPDF DLL。为您的项目或 GAC 手动下载并安装，网址为 /zh/packages/IronPdf.zip。或者，通过 NuGet 安装。

请访问IronPDF 官网直接从他们的网站下载最新的软件包。下载后，按照以下步骤将该软件包添加到项目中。

• 右键单击解决方案窗口中的项目。
• 接着，选择“引用”选项并浏览下载的引用位置。
• 然后，单击 "确定 "添加引用。

4.使用 IronPDF 提取文本

IronPDF 程序允许我们从 PDF 文件中进行文本提取，并将 PDF 页面转换为 PDF 对象。 下面举例说明如何使用 IronPDF 读取现有 PDF。

第一种方法是从 PDF 中提取文本，示例代码片段如下。

using IronPdf;

var pdfDocument = PdfDocument.FromFile("result.pdf");
string AllText = pdfDocument.ExtractAllText();

using IronPdf;

var pdfDocument = PdfDocument.FromFile("result.pdf");
string AllText = pdfDocument.ExtractAllText();

Imports IronPdf

Private pdfDocument = PdfDocument.FromFile("result.pdf")
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。 我们可以使用此对象阅读 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，然后将提取的文本存储到字符串中，我们可以使用该字符串进行处理。

下面是第二种方法的代码示例，我们可以使用这种方法从 PDF 文件中逐页提取文本。

using PdfDocument pdf = PdfDocument.FromFile("result.pdf");
for (var index = 0; index < pdf.PageCount; index++)
{
    string Text = pdf.ExtractTextFromPage(index);
}

using PdfDocument pdf = PdfDocument.FromFile("result.pdf");
for (var index = 0; index < pdf.PageCount; index++)
{
    string Text = pdf.ExtractTextFromPage(index);
}

Using pdf As PdfDocument = PdfDocument.FromFile("result.pdf")
	For index = 0 To pdf.PageCount - 1
		Dim Text As String = pdf.ExtractTextFromPage(index)
	Next index
End Using

在上面的代码中，我们看到它将首先加载整个 PDF 文档并将其转换为 PDF 对象。 然后，我们使用一个名为PageCount的内置方法来获取整个PDF文档的页数，这将检索已加载的PDF文档中可用的总页数。 使用“for 循环”和 ExtractTextFromPage 函数可以让我们将页码作为参数传递，以从加载的文档中提取文本。 然后将准确的文本保存到字符串变量中。 同样，它还将借助 "for "或 "for each "循环从 PDF 中逐页提取文本。

结论

IronPDF for .NET 是一个多功能、功能强大的 PDF 库，旨在使 .NET 应用程序中的 PDF 工作无缝进行。 其强大的功能使开发人员能够创建、处理和提取 PDF 中的内容，而无需依赖 Adobe Reader 等第三方依赖程序。 IronPdf 的突出功能之一是从 PDF 文档中提取文本。 该功能对于自动执行数据分析、文档索引、内容迁移和启用可访问性功能等任务非常宝贵。 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，为处理 PDF 内容开辟了新的可能性。

IronPDF 具有直接集成和跨平台支持的特点，是寻求高效处理 PDF 文档的开发人员的绝佳选择。 此外，IronPDF 提供免费试用，让您在承诺之前无风险地探索其全部功能。 有关定价详情和了解更多许可选项，请访问我们的定价页面。

LIBRARY_GET_STARTED_WITH_PRODUCT_TRIAL_EXTENDED_BLOCK