Estrai testo, tracciati e immagini da documenti PDF in C# e VB.NET

Usa la libreria Docotic.Pdf per estrarre testo, immagini e tracciati vettoriali da documenti PDF in .NET su Windows, Linux, macOS, Android, iOS o in un ambiente cloud.

Ottieni testo da PDF

Puoi convertire documenti PDF in testo in .NET usando Docotic.Pdf. Questo esempio mostra come convertire PDF in testo formattato in C#:

using BitMiracle.Docotic.Pdf;

using var pdf = new PdfDocument("your_document.pdf");
var options = new PdfTextExtractionOptions
{
    SkipInvisibleText = true,
    WithFormatting = true
};
string formattedText = pdf.GetText(options);
Console.WriteLine(formattedText);

Puoi estrarre testo solo da una parte specifica di una pagina PDF. Usa la proprietà PdfTextExtractionOptions.Rectangle per farlo.

Puoi anche ottenere informazioni dettagliate su ogni frammento di testo per analisi sofisticate. Docotic.Pdf consente di estrarre il testo PDF così com'è, per parole o per caratteri. Questo esempio mostra come estrarre il testo PDF per parole in C#:

using var pdf = new PdfDocument("your_document.pdf");
PdfPage page = pdf.Pages[0];
foreach (PdfTextData data in page.GetWords())
{
    Console.WriteLine(
    $"{{\n" +
    $"  text: '{data.GetText()}',\n" +
    $"  bounds: {data.Bounds},\n" +
    $"  font name: '{data.Font.Name}',\n" +
    $"  font size: {data.FontSize},\n" +
    $"  transformation matrix: {data.TransformationMatrix},\n" +
    $"  rendering mode: '{data.RenderingMode}',\n" +
    $"  brush: {data.Brush},\n" +
    $"  pen: {data.Pen}\n" +
    $"}},"
    );
}

Leggi l'articolo Estrai testo da PDF per ottenere altri esempi e informazioni sulla conversione da PDF a testo in .NET.

Ottieni immagini da PDF in .NET

La libreria può essere usata per estrarre immagini da file PDF così com'è o come dipinte. Come estrarre tutte le immagini da PDF in C#:

using BitMiracle.Docotic.Pdf;

using var pdf = new PdfDocument("your_document.pdf");
int i = 0;
foreach (PdfImage image in pdf.GetImages())
{
    string imageFile = image.Save(i.ToString());
    ++i;
}

Le immagini estratte possono essere salvate come immagini TIFF e JPEG.

La libreria non ricomprime le immagini durante l'estrazione. Otterrai immagini con la stessa qualità del PDF.

Puoi anche ottenere informazioni su dove le immagini sono effettivamente disegnate su una pagina.

Estrai tracciati vettoriali da PDF

Puoi ottenere informazioni sui tracciati vettoriali in un documento PDF usando il metodo PdfPage.GetObjects(). Dai un'occhiata agli esempi Copia oggetti pagina e Estrai oggetti pagina per maggiori dettagli.

Puoi anche estrarre testo come tracciati vettoriali usando l'overload PdfPage.GetObjects(PdfObjectExtractionOptions). Questa funzionalità può essere usata per appiattire il testo in PDF in .NET.