如何在VB.NET中解析PDF文件

本教程介绍如何利用 IronPDF 的一流支持，以编程方式从 PDF 文件中提取文本和图像。

IronPDF

特点

高效的 PDF 转换。 机器能做的事情，IronPDF 几乎都能做到。 有了这个 PDF 库，开发人员可以快速创建、阅读文本内容、编写、加载和操作 PDF。

IronPdf 借助 Chrome 引擎将 HTML 转换为 PDF 记录。以及 Windows Forms、HTML、ASPX、Razor HTML、.NET Core、ASP.NET、Windows Forms 和 WPF。 IronPdf 还支持 Xamarin、Blazor、Unity 和 HoloLense 应用程序。 IronPDF 支持 Microsoft .NET 和 .NET Core 应用程序(ASP.NET Web 软件包和传统的 Windows 软件包). IronPDF 可用于制作美观的 PDF。

IronPdf 可以使用 HTML5、JavaScript、CSS 和图像创建 PDF。 IronPDF 还有一个功能强大的 HTML 到 PDF 转换器，可与 PDF 集成。 IronPDF 采用 Chromium 渲染引擎，拥有强大的 PDF 转换机制。它还与任何外部资源无关。

• PDF 图像可以从多种来源创建，包括 HTML、HTML5、ASPX 和 Razor/MVC 视图。 HTML 和图像资产均可转换为 PDF。
• 可用于处理交互式 PDF 的工具包括填写和提交互动表格.
• 合并和分割 PDF 文件, 提取文本和图片从 PDF 文件中搜索 PDF 文件中的文本、将 PDF 文件栅格化为图像此外，还必须能够更改字体大小和转换 PDF 文件。
• 它允许使用用户代理、代理、cookie、HTTP 标头和表单变量对 HTML 登录表单进行验证。
• 通过提供用户名和密码，IronPDF 可以访问安全文档。
• IronPDF 是一个可以读取 PDF 中的文本并补全空白的程序。
• 允许添加文本、图片、书签, Watermark，以及更多。

• 您可以从 CSS 文件创建 PDF 文件。

  有关详细信息，请访问IronPDF 许可证信息页面为免费的有限密钥和专业版本。

  

  IronPDF- 字体格式

从 PDF 文件中提取文本

借助 IronPDF 库，IronPDF 还可以从 PDF 文件中读取和提取文本。 以下是 IronPDF 代码的一种模式，可用于检查当前的 PDF 文件。

从所有页面提取文本

下面的代码示例演示了第一种方法，只需几行代码就能以字符串形式获取所有 PDF 内容。

Imports IronPdf
Module Program
    Sub Main(args As String())
        Dim AllText As String
        Dim pdfdoc = PdfDocument.FromFile("result.pdf")
        AllText = pdfdoc.ExtractAllText()
        Console.WriteLine(AllText)
    End Sub
End Module

Imports IronPdf
Module Program
    Sub Main(args As String())
        Dim AllText As String
        Dim pdfdoc = PdfDocument.FromFile("result.pdf")
        AllText = pdfdoc.ExtractAllText()
        Console.WriteLine(AllText)
    End Sub
End Module

上面的示例代码演示了如何使用 FromFile 方法从现有文件读取 PDF 并将其转换为 PDF 文档对象。 该对象提供了一个名为提取所有文本能从 PDF 中提取纯文本并将其转化为字符串。

按页码提取文本

下面的示例代码展示了如何使用页码从 PDF 文件中提取数据。

Imports IronPdf
Module Program
Sub Main(args       As String())
    Dim AllText     As String
    Dim pdfdoc = PdfDocument.FromFile("result.pdf")
    AllText = pdfdoc.ExtractTextFromPage(0)
    Console.WriteLine(AllText)
End Sub
End Module

Imports IronPdf
Module Program
Sub Main(args       As String())
    Dim AllText     As String
    Dim pdfdoc = PdfDocument.FromFile("result.pdf")
    AllText = pdfdoc.ExtractTextFromPage(0)
    Console.WriteLine(AllText)
End Sub
End Module

上面的代码展示了如何从现有文件中读取 PDF，并使用从文件功能。 可使用此对象访问 PDF 上的文本和图像。 该对象提供了一种名为从页面提取文本可将页码作为参数发送，以获取包含 PDF 页面上每个单词的字符串。

提取页面之间的文本

下面的代码显示了如何提取多个页面之间的数据。

Imports IronPdf
Module Program
Sub Main(args       As String())
    Dim Pages       As List(Of Integer) = New List(Of Integer)
    Pages.Add(3)
    Pages.Add(5)
    Pages.Add(7)
    Dim AllText     As String
    Dim pdfdoc = PdfDocument.FromFile("result.pdf")
    AllText = pdfdoc.ExtractTextFromPages(Pages)
    Console.WriteLine(AllText)

End Sub
End Module

Imports IronPdf
Module Program
Sub Main(args       As String())
    Dim Pages       As List(Of Integer) = New List(Of Integer)
    Pages.Add(3)
    Pages.Add(5)
    Pages.Add(7)
    Dim AllText     As String
    Dim pdfdoc = PdfDocument.FromFile("result.pdf")
    AllText = pdfdoc.ExtractTextFromPages(Pages)
    Console.WriteLine(AllText)

End Sub
End Module

上面的代码演示了如何使用 FromFile 方法从现有文件读取 PDF 并将其转换为 PDF 文档对象。 该对象允许检查 PDF 格式的文本和图像。 该对象有一个名为从页面提取文本通过将页码列表作为参数传递，可获得包含文档给定页面上所有文本内容的字符串。 下面左侧是源 PDF，右侧是提取的数据。

提取页面之间的文本输出

从 PDF 文件中提取图像

IronPDF 提供了一系列提取图像的方法，如：

• 从页面提取位图
• 从页面提取位图
• 从页面提取图像
• 从页面提取图像
• 从页面提取原始图像

• 从页面提取原始图像

  每种方法都可以从文档的一页或多页中提取图像。

Dim pdfdoc = PdfDocument.FromFile("result.pdf")
Dim images = pdfdoc.ExtractRawImagesFromPage(1)
For Each            As Byte() In images
    Dim ms          As New IO.MemoryStream(CType(, Byte()))
    Dim image = New Bitmap(ms)
    image.Save("output//test.jpg")
Next

Dim pdfdoc = PdfDocument.FromFile("result.pdf")
Dim images = pdfdoc.ExtractRawImagesFromPage(1)
For Each            As Byte() In images
    Dim ms          As New IO.MemoryStream(CType(, Byte()))
    Dim image = New Bitmap(ms)
    image.Save("output//test.jpg")
Next

上面的代码展示了如何使用 FromFile 函数从现有文件读取文档并将其转化为 PDF 文档对象。 通过向对象的 ExtractRawImagesFromPage 方法传递页码列表，可以获得一个字节列表，其中包含文档给定页面上的每张图片。 使用 foreach 循环处理每个字节并将其转化为内存流。 然后转换成位图，以便于保存图片。 下图显示了上述代码的输出结果。

从 PDF 输出中提取图像

要了解有关 IronPDF API 代码教程的更多信息，请参阅IronPDF 文档. 您还可以访问其他教程，了解如何使用 C# 解析 PDF 文本.

结论

IronPDF 库的开发许可是免费的。 如果在生产环境中使用 IronPdf，可以根据开发人员的需求购买不同的许可证。 Lite 计划起价为 $749，没有持续费用。 此外，还提供 SaaS 和 OEM 再分发替代方案。 所有许可证均包括更新、一年的产品支持和永久许可证。 这些工具还可用于制造、暂存和开发。 这是一次性购买。 您还可以获得额外的免费、有时间限制的许可证。 访问全面的 IronPDF 许可信息阅读 IronPDF 的完整定价和许可详情。 IronPdf 还提供免费的复制保护许可证。