Extract Data from PDF in C# with PdfExtractor. PDFs được sử dụng rộng rãi để lưu trữ tài liệu vì chúng giữ nguyên định dạng trên các thiết bị khác nhau. Tuy nhiên, làm việc với PDFs thường đòi hỏi phải trích xuất nội dung cụ thể—như hình ảnh, văn bản, siêu dữ liệu hoặc dữ liệu có cấu trúc—để tái sử dụng, phân tích hoặc chỉnh sửa. Khi thành thạo việc trích xuất PDF, bạn có thể tiết kiệm thời gian, cải thiện quy trình làm việc và thu được những hiểu biết sâu sắc hơn từ các tệp mà bạn xử lý.
Key Features
PDFs thường chứa logo, biểu đồ, ảnh hoặc hình quét. Việc trích xuất những hình ảnh này cho phép bạn tái sử dụng chúng mà không cần sao chép toàn bộ trang. Trích xuất hình ảnh độ phân giải cao – Lấy hình ảnh chính xác như trong PDF để sử dụng chuyên nghiệp.
Trích xuất văn bản giúp bạn chuyển nội dung có thể đọc được của PDF thành văn bản có thể chỉnh sửa. Điều này đặc biệt hữu ích khi bạn cần tái sử dụng hoặc phân tích nội dung viết. Chọn từ ba chế độ chính xác để phù hợp với nhu cầu:
Pure Mode — Giữ nguyên định dạng gốc cho đầu ra có cấu trúc
Raw Mode — Trích xuất văn bản thuần khi không có định dạng
Flatten Mode — Loại bỏ ký tự đặc biệt và định dạng để có văn bản sạch, tối giản
Trích xuất thuộc tính cho phép bạn lấy thông tin về tài liệu PDF. Các thuộc tính khả dụng có thể bạn quan tâm: FileName, Title, Author, Subject, Keywords, Created, Modified, Application, PDF Producer, Number of Pages.
Các biểu mẫu PDF được sử dụng rộng rãi trong ứng dụng, khảo sát, hoá đơn và hợp đồng. Chúng cho phép người dùng nhập thông tin trực tiếp vào các trường tương tác. Nhưng sau khi biểu mẫu được điền, các tổ chức thường cần trích xuất dữ liệu đó để lưu trữ, báo cáo hoặc phân tích.
using Documentize;.License.Set("license.lic"); - Optional.ImageExtractorOptions with the input file path and other necessary settingsPdfExtractor.Extract with an instance of ExtractImagesOptions as parameterResultContainer.ResultCollectionExtractTextOptions and set input PDFPdfExtractor.Extract with an instance of ExtractTextOptions as parameter and access the extracted textExtractFormDataToDsvOptions to configure the process of exporting data to CSVPdfExtractor.Extract method, passing the options as a parameterPDF Extractor for .NET is a powerful tool designed to extract images, text, metadata from PDF documents, or Form Data in PDF quickly and easily. It seamlessly integrates into your .NET application, offering a user-friendly solution for accessing visual content from PDFs.
No, this plugin is specifically for extraction from PDFs. For other PDF-related tasks, you can explore the additional plugins available in Documentize library or leverage its full capabilities for document processing.
Extracting this data can be useful for analyze documents, prepare reports, work with AI.
Currently this plugin extracts images in PNG format. Forms data exports specifically into CSV format. If you need other formats like JSON or XML, you may need to use additional tools or customize the output yourself.
If the PDF is scanned or contains images of text, an OCR (Optical Character Recognition) process may be required to convert the image-based text into an editable format.