如何在ASP.NET Core中读取PDF数据

如何在 ASP.NET Core 中设置 IronPDF？

在您的 ASP.NET Core 项目中入门 IronPDF 仅需几分钟。 通过NuGet包管理器控制台使用以下命令安装IronPDF NuGet包：

Install-Package IronPdf

或通过 .NET CLI：

dotnet add package IronPdf

安装后，将 IronPDF 命名空间添加到您的类 Program、控制器或服务中：

using IronPdf;

using IronPdf;

Imports IronPdf

有关包括Docker部署、Azure设置和其他信息在内的详细安装选项，请查看全面的文档。

如何从 PDF 文件中提取文本？

IronPDF的ExtractAllText方法可以即时访问PDF文档中的所有文本内容。 此方法处理各种文本编码，并保持原始文档的阅读顺序，确保在 ASP.NET Core 应用程序中准确提取 PDF 文件中的数据。

// Load a PDF document
var pdf = PdfDocument.FromFile("document.pdf");
// Extract all text
string allText = pdf.ExtractAllText();
// Extract text from specific page (0-indexed)
string pageText = pdf.ExtractTextFromPage(0); // current page

// Load a PDF document
var pdf = PdfDocument.FromFile("document.pdf");
// Extract all text
string allText = pdf.ExtractAllText();
// Extract text from specific page (0-indexed)
string pageText = pdf.ExtractTextFromPage(0); // current page

IRON VB CONVERTER ERROR developers@ironsoftware.com

ExtractAllText 方法返回一个包含 PDF 中所有可读文本的字符串，保留换行和间距。 对于特定页面的提取，ExtractTextFromPage 允许使用零基索引定位单个页面。 当您提供正确的密码时，这种方法能与加密PDF无缝工作。

这是一个实用的 ASP.NET Core 控制器实现，演示了如何使用此 PDF 从 PDF 文件读取数据：

[ApiController]
[Route("api/[controller]")]
public class PdfController : ControllerBase
{
    [HttpPost("extract-text")]
    public IActionResult ExtractText(IFormFile pdfFile)
    {
        using var stream = new MemoryStream();
        pdfFile.CopyTo(stream);
        var pdf = new PdfDocument(stream.ToArray());
        var extractedText = pdf.ExtractAllText();
        return Ok(new { text = extractedText });
    }
}

[ApiController]
[Route("api/[controller]")]
public class PdfController : ControllerBase
{
    [HttpPost("extract-text")]
    public IActionResult ExtractText(IFormFile pdfFile)
    {
        using var stream = new MemoryStream();
        pdfFile.CopyTo(stream);
        var pdf = new PdfDocument(stream.ToArray());
        var extractedText = pdf.ExtractAllText();
        return Ok(new { text = extractedText });
    }
}

IRON VB CONVERTER ERROR developers@ironsoftware.com

如何读取 PDF 表单数据？

PDF 表单包含用户填写的交互字段。 IronPDF通过其全面的表单API简化了提取表单数据，支持所有标准的AcroForm字段类型。您可以轻松提取所有表单字段数据，包括文本框、复选框和内容类型详细信息。

然后可以将响应保存到数据库、返回给用户或集成到您的 ASP.NET 应用程序工作流中。 以下代码示范了如何做到这一点：

[HttpPost("extract-form")]
        public IActionResult ExtractForm([FromForm] IFormFile pdfFile)
        {
            if (pdfFile == null || pdfFile.Length == 0)
            {
                return BadRequest("No PDF file uploaded.");
            }
            using var stream = new MemoryStream();
            pdfFile.CopyTo(stream);
            var pdf = new PdfDocument(stream.ToArray());
            var formData = new Dictionary<string, string>();
            if (pdf.Form != null)
            {
                foreach (var field in pdf.Form)
                {
                    formData[field.Name] = field.Value;
                }
            }
            return Ok(new { formFields = formData });
        }

[HttpPost("extract-form")]
        public IActionResult ExtractForm([FromForm] IFormFile pdfFile)
        {
            if (pdfFile == null || pdfFile.Length == 0)
            {
                return BadRequest("No PDF file uploaded.");
            }
            using var stream = new MemoryStream();
            pdfFile.CopyTo(stream);
            var pdf = new PdfDocument(stream.ToArray());
            var formData = new Dictionary<string, string>();
            if (pdf.Form != null)
            {
                foreach (var field in pdf.Form)
                {
                    formData[field.Name] = field.Value;
                }
            }
            return Ok(new { formFields = formData });
        }

IRON VB CONVERTER ERROR developers@ironsoftware.com

ExtractForm 端点使用 PdfDocument 的 Form 属性读取上传 PDF 中的交互字段。 每个字段都有一个名称和值，这些值被收集到字典中并作为 JSON 返回。 这使得可以轻松捕获文本框、复选框和其他输入的数据，允许 PDF 表单提交被直接处理和集成到您的应用程序或数据库中。

如何从 PDF 文档中提取表数据？

PDF 中的表格本质上是格式化的文本，需要解析逻辑来提取结构化数据。 IronPDF 提取文本时保留间距，然后您可以解析以从 PDF 文件中读取数据到 ASP.NET 中：

[HttpPost("extract-table")]
public IActionResult ExtractTable([FromForm] IFormFile pdfFile)
{
    if (pdfFile == null || pdfFile.Length == 0)
        return BadRequest("No PDF file uploaded.");
    using var memoryStream = new MemoryStream();
    pdfFile.CopyTo(memoryStream);
    // Load PDF from byte array
    var pdf = new PdfDocument(memoryStream.ToArray());
    // Extract all text
    string text = pdf.ExtractAllText();
    // Split text into lines (rows)
    string[] lines = text.Split(new[] { '\r', '\n' }, StringSplitOptions.RemoveEmptyEntries);
    var tableData = new List<string[]>();
    foreach (string line in lines)
    {
        // Split line into columns using tab character
        string[] columns = line
            .Split('\t')
            .Where(c => !string.IsNullOrWhiteSpace(c))
            .ToArray();
        if (columns.Length > 0)
            tableData.Add(columns);
    }
    var table = tableData.Select(r => string.Join(" | ", r)).ToList();
    return Ok(new { Table = table });
}

[HttpPost("extract-table")]
public IActionResult ExtractTable([FromForm] IFormFile pdfFile)
{
    if (pdfFile == null || pdfFile.Length == 0)
        return BadRequest("No PDF file uploaded.");
    using var memoryStream = new MemoryStream();
    pdfFile.CopyTo(memoryStream);
    // Load PDF from byte array
    var pdf = new PdfDocument(memoryStream.ToArray());
    // Extract all text
    string text = pdf.ExtractAllText();
    // Split text into lines (rows)
    string[] lines = text.Split(new[] { '\r', '\n' }, StringSplitOptions.RemoveEmptyEntries);
    var tableData = new List<string[]>();
    foreach (string line in lines)
    {
        // Split line into columns using tab character
        string[] columns = line
            .Split('\t')
            .Where(c => !string.IsNullOrWhiteSpace(c))
            .ToArray();
        if (columns.Length > 0)
            tableData.Add(columns);
    }
    var table = tableData.Select(r => string.Join(" | ", r)).ToList();
    return Ok(new { Table = table });
}

IRON VB CONVERTER ERROR developers@ironsoftware.com

该代码提取文本并根据间距模式将其拆分为可能的表行。 对于更复杂的表格，您可能需要使用关键字识别表格边界或根据您的特定 PDF 结构实施更复杂的解析逻辑。

此输出可以下载、在浏览器中显示或进行其他信息处理。 您可以集成 CSS 格式或 HTML 字符串渲染以在您的解决方案中动态显示表格。

如何在 ASP.NET Core 中处理上传的 PDF 文件？

处理上传的PDF需要将IFormFile转换为IronPDF可以读取的格式。 这种方法与Razor Pages和MVC控制器无缝配合：

[HttpPost("process-upload")]
        public async Task<IActionResult> ProcessPdf([FromForm] IFormFile file)
        {
            if (file == null || file.Length == 0)
                return BadRequest("No PDF file uploaded.");
            using var ms = new MemoryStream();
            await file.CopyToAsync(ms);
            // Load PDF from byte array
            var pdf = new PdfDocument(ms.ToArray());
            // Extract text and page count
            var text = pdf.ExtractAllText();
            var pageCount = pdf.PageCount;
            return Ok(new
            {
                text = text,
                pages = pageCount
            });
        }

[HttpPost("process-upload")]
        public async Task<IActionResult> ProcessPdf([FromForm] IFormFile file)
        {
            if (file == null || file.Length == 0)
                return BadRequest("No PDF file uploaded.");
            using var ms = new MemoryStream();
            await file.CopyToAsync(ms);
            // Load PDF from byte array
            var pdf = new PdfDocument(ms.ToArray());
            // Extract text and page count
            var text = pdf.ExtractAllText();
            var pageCount = pdf.PageCount;
            return Ok(new
            {
                text = text,
                pages = pageCount
            });
        }

IRON VB CONVERTER ERROR developers@ironsoftware.com

这个异步任务确保非阻塞处理，并与对象发送者、事件参数 e 以及标准 .NET 库配合使用。 使用 ReturnFile 并结合 Content-Disposition 头以允许用户安全下载处理后的 PDF 文件。 为了增加安全性，请考虑在处理之前实施文件验证。

结论

IronPDF 使在 ASP.NET Core 和其他 .NET Core 应用程序中读取、提取、处理和保存 PDF 文档变得容易。 无论您是处理表单、表格、纯文本还是数字签名，这个 .NET 库都能将通常需要数小时的任务简化为短短几行代码。 您可以创建、转换、访问和以 HTML、浏览器甚至图像格式显示输出。

从免费试用开始，探索IronPDF在您的ASP.NET Core中的全部功能。 在承诺购买许可证之前，您可以构建和测试您的PDF提取工作流。 对于生产环境，IronPDF 提供适合单个开发人员或大型解决方案的灵活选项。 坦白说，使用 IronPDF 是我发现处理 ASP.NET Core 中 PDF 文件最快的方法之一，无需常见的麻烦。