Извлечь текст из PDF в C#

Как извлечь текст из PDF с помощью библиотеки .NET

Как извлечь текст из PDF с помощью библиотеки .NET

Вам нужно извлечь текст из PDF? Программная модификация PDF-документов — неотъемлемая часть современных цифровых рабочих процессов. С помощью библиотек.NET, таких как Aspose.PDF, разработчики могут извлекать текст из PDF. Эти библиотеки представляют собой автономные решения, которые не зависят от другого программного обеспечения и готовы к коммерческому использованию. Они удовлетворяют все возможные потребности профессиональных разработчиков C#.

  • Извлечение текста из PDF
  • Извлечение изображений из PDF
  • Извлечение шрифтов из PDF
  • Извлечение данных из формы
  • Извлечение текста из марок
  • Извлечение данных из таблицы

Чтобы извлечь текст из PDF-файла, мы будем использовать API Aspose.PDF for .NET, который представляет собой многофункциональный, мощный и простой в использовании API для работы с документами для платформы net. Откройте менеджер пакетов NuGet, найдите aspose.pdf и установите. Вы также можете использовать следующую команду в консоли диспетчера пакетов.

Package Manager Console

PM > Install-Package Aspose.PDF

Извлечь текст из PDF в C#


Чтобы попробовать код в своей среде, вам понадобится Aspose.PDF для .NET.

  1. Загрузите PDF-файл вместе с экземпляром документа.
  2. Создайте объект TextAbsorber для извлечения текста.
  3. Примите абсорбер для всех страниц.
  4. Получите извлеченный текст
  5. Создайте писателя и откройте файл, напишите в файл строку текста

Извлечь текст из PDF - C#

В этом примере кода показано, как извлекать текст из PDF-документов

Input file:

File not added

Output format:

PDF

Output file:


    // Open document
    Document pdfDocument = new Document(dataDir + "ExtractTextAll.pdf");

    // Create TextAbsorber object to extract text
    TextAbsorber textAbsorber = new TextAbsorber();
    // Accept the absorber for all the pages
    pdfDocument.Pages.Accept(textAbsorber);
    // Get the extracted text
    string extractedText = textAbsorber.Text;
    // Create a writer and open the file
    TextWriter tw = new StreamWriter(dataDir + "extracted-text.txt");
    // Write a line of text to the file
    tw.WriteLine(extractedText);
    // Close the stream
    tw.Close();

О Aspose.PDF для API .NET

Aspose.PDF для .NET API предоставляет широкий набор функций для работы с PDF-файлами. Некоторые из этих функций включают в себя:

  • Создавайте PDF-документы с нуля или из HTML, XML или изображений.
  • Редактируйте существующие PDF-документы, добавляя или удаляя страницы, текст, изображения и другое содержимое.
  • Конвертируйте PDF-документы в другие форматы, такие как HTML, XML и изображения.
  • Рендеринг PDF-документов в изображения или формат XPS.
  • Печатайте PDF-документы прямо из приложения.
  • Цифровая подпись PDF-документов.

Дополнительную информацию о Aspose.PDF для C# API можно найти в этой документации Aspose