如何在C#中从PDF中提取数据

在 Visual Studio 中创建或打开一个 C# 项目

本教程建议使用最新版本的 Visual Studio。

打开 Visual Studio 后，按照下面的步骤创建一个新的 C# 项目。 如果已有您想使用的项目，则跳过这些步骤并直接进入下一部分。

• 打开 Visual Studio
• 点击"创建一个新项目"按钮。

Visual Studio 打开 UI

• 从模板中选择"C# 控制台应用程序"。

创建一个新项目

• 为项目命名，并点击下一步按钮。
• 根据项目的需求选择一个 .NET Framework，并点击创建按钮。

.NET 框架选择

Visual Studio 将生成一个新的 C# .NET 项目。

安装IronPDF库

Install-Package IronPdf

从 PDF 文件中提取数据

让我们看看下面的代码，了解如何使用 IronPDF 提取数据：

// Import necessary namespaces
using IronPdf;
using System.Collections.Generic;
using System.Drawing;

public class PDFExtractor
{
    public void ExtractDataFromPDF()
    {
        // Open a 128-bit encrypted PDF file by providing the filename and password
        using PdfDocument pdf = PdfDocument.FromFile("encrypted.pdf", "password");

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

        // Extract all images from the PDF document
        IEnumerable<Image> allImages = pdf.ExtractAllImages();

        // Iterate over each page in the PDF document
        for (var index = 0; index < pdf.PageCount; index++)
        {
            int pageNumber = index + 1;

            // Extract text from the specific page
            string text = pdf.ExtractTextFromPage(index);

            // Extract images from the specific page
            IEnumerable<Image> images = pdf.ExtractImagesFromPage(index);

            // Code to process the extracted text and images
            //...
        }
    }
}

// Import necessary namespaces
using IronPdf;
using System.Collections.Generic;
using System.Drawing;

public class PDFExtractor
{
    public void ExtractDataFromPDF()
    {
        // Open a 128-bit encrypted PDF file by providing the filename and password
        using PdfDocument pdf = PdfDocument.FromFile("encrypted.pdf", "password");

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

        // Extract all images from the PDF document
        IEnumerable<Image> allImages = pdf.ExtractAllImages();

        // Iterate over each page in the PDF document
        for (var index = 0; index < pdf.PageCount; index++)
        {
            int pageNumber = index + 1;

            // Extract text from the specific page
            string text = pdf.ExtractTextFromPage(index);

            // Extract images from the specific page
            IEnumerable<Image> images = pdf.ExtractImagesFromPage(index);

            // Code to process the extracted text and images
            //...
        }
    }
}

在这个代码示例中：

1. 使用 FromFile 方法加载加密并需要密码的输入 PDF 文档。
2. ExtractAllText 方法提取 PDF 中的所有文本内容。
3. ExtractAllImages 方法获取所有嵌入图像。
4. 循环遍历文档的每个页面，使用 ExtractTextFromPage 和 ExtractImagesFromPage 提取该特定页面的文本和图像。