Slik henter du tekst fra PDF-filer i .NET

Hvordan hente ut tekst fra PDF-er i .NET

Denne guiden dekker tekstuttrekking fra PDF‑sider ved bruk av absorber API.

Forutsetninger

Ekstraher all tekst fra en side

TextAbsorber samler all tekst på en side til en enkelt streng. Opprett en
instans, send den til Page.Accept, og les resultatet fra Text‑egenskapen.
Dette er den enkleste tilnærmingen når du trenger ren tekstutdata uten posisjons‑
informasjon.

using var doc = Document.Open(pdfBytes);
var absorber = new TextAbsorber();
doc.Pages[1].Accept(absorber);
Console.WriteLine(absorber.Text);

Ekstraher strukturerte tekstfragmenter

Når du trenger posisjon, skrifttype og størrelsesmetadata sammen med teksten, bruk TextFragmentAbsorber i stedet. Hver TextFragment eksponerer sine avgrensende koordinater gjennom Position‑egenskapen.

var absorber = new TextFragmentAbsorber();
doc.Pages[1].Accept(absorber);

foreach (var fragment in absorber.TextFragments)
{
    Console.WriteLine($"{fragment.Text} at ({fragment.Position.XIndent}, {fragment.Position.YIndent})");
}

Søk med et regulært uttrykk

Send et regex-mønster til TextFragmentAbsorber for å finne matchende tekst på tvers av alle sider. Dette er nyttig for å lokalisere telefonnumre, datoer eller andre strukturerte datamønstre i et dokument.

var absorber = new TextFragmentAbsorber(@"\d{3}-\d{2}-\d{4}");
doc.Pages.Accept(absorber);
foreach (var f in absorber.TextFragments)
    Console.WriteLine(f.Text);

Nøkkelklasser

Se også

• Utviklerguide for tekstuttrekk
• Aspose.PDF for .NET Enterprise-produkt