La lectura de diferentes tipos de documentos mediante programación es una práctica común en estos días. En esta guía práctica, aprenderá a leer el archivo PDF en C# siguiendo los sencillos pasos que se indican a continuación.
Pasos para leer un archivo PDF en C#
- Cree una aplicación de consola C# vacía en Visual Studio
- Agregue una referencia a Aspose.PDF for .NET instalándolo desde NuGet.org
- Cargue un archivo PDF existente en el objeto Documento
- Inicialice la clase TextAbsorber para leer el archivo PDF
- Extraiga el texto del PDF y escríbalo en la salida de la Consola
- Iterar a través de la página PDF Resources para encontrar imágenes
- Crear objeto FileStream con imagen encontrada
- Guardar la imagen en el disco local
A continuación, el fragmento de código explica cómo abrir y leer un archivo PDF en C#. Podrá leer texto y extraer imágenes de un archivo PDF usándolo. La API ofrece la clase TextAbsorber que se usa para leer texto de un archivo PDF y puede lograr los resultados extraídos a través del objeto Text. También es posible encontrar imágenes y guardarlas en el disco local recorriendo los recursos de la página PDF como se muestra a continuación.
Código para leer archivo PDF en C#
| using System; | |
| using System.IO; | |
| // Add reference to Aspose.PDF for .NET API | |
| // Use following namespace to read PDF file | |
| using Aspose.Pdf; | |
| namespace ReadPDFFiles | |
| { | |
| class Program | |
| { | |
| static void Main(string[] args) | |
| { | |
| // Set license before reading PDF file | |
| Aspose.Pdf.License AsposePDFLicense = new Aspose.Pdf.License(); | |
| AsposePDFLicense.SetLicense(@"c:\asposelicense\license.lic"); | |
| string inFile = @"c:\ReadPDFFileInCSharp.pdf"; | |
| // Load an existing PDF file in Document object to read | |
| Document pdf = new Document(inFile); | |
| // 1. Read text from PDF file | |
| // Initialize TextAbsorber Class to read Text from PDF file | |
| Aspose.Pdf.Text.TextAbsorber textAbsorber = new Aspose.Pdf.Text.TextAbsorber(); | |
| // Call Page.Accept() method to let TextAbsorber find text in PDF Pages | |
| pdf.Pages.Accept(textAbsorber); | |
| // Write the extracted text to Console output | |
| Console.WriteLine(textAbsorber.Text); | |
| // 2. Extract images from PDF file | |
| int imageIndex = 1; | |
| // Iterate through PDF pages | |
| foreach (var pdfPage in pdf.Pages) | |
| { | |
| // Check available images while reading the PDF | |
| foreach (XImage image in pdfPage.Resources.Images) | |
| { | |
| // Create file stream for found image | |
| FileStream extractedImage = new FileStream(String.Format("Page{0}_Image{1}.jpg", pdfPage.Number, imageIndex), FileMode.Create); | |
| // Save output image to the disk | |
| image.Save(extractedImage, System.Drawing.Imaging.ImageFormat.Jpeg); | |
| // Close stream | |
| extractedImage.Close(); | |
| imageIndex++; | |
| } | |
| // Reset image index | |
| imageIndex = 1; | |
| } | |
| } | |
| } | |
| } |
En el tema anterior, aprendiste cómo procesar archivos PDF grandes en C#. La información anterior y el ejemplo de código le permitirán abrir y leer archivos PDF en C# para extraer texto e imágenes.
