Class PdfExtractor

Información

Representa el componente Documentize.PdfExtractor. Se usa para extraer texto, imágenes, datos de formularios, propiedades (metadatos) de documentos PDF.

public static class PdfExtractor

Herencia

object ← PdfExtractor

Miembros heredados

Métodos

Extract(ExtractTextOptions)

Extrae texto de un documento PDF.

public static string Extract(ExtractTextOptions options)

Parámetros

  • options ExtractTextOptions: Un objeto de opciones que contiene las instrucciones para la operación.

Devuelve

string : Texto extraído.

Ejemplos

El ejemplo muestra cómo extraer contenido de texto de un archivo PDF.

// Crear objeto ExtractTextOptions para establecer la ruta del archivo de entrada
var options = new ExtractTextOptions("path_to_your_pdf_file.pdf");
// Ejecutar el proceso y obtener el texto extraído
var textExtracted = PdfExtractor.Extract(options);

El ejemplo muestra cómo extraer contenido de texto de un flujo PDF.

// Crear objeto ExtractTextOptions para establecer el flujo de entrada
var stream = File.OpenRead("path_to_your_pdf_file.pdf");
var options = new ExtractTextOptions(stream);
// Ejecutar el proceso y obtener el texto extraído
var textExtracted = PdfExtractor.Extract(options);

El ejemplo muestra cómo extraer contenido de texto de un documento PDF con TextFormattingMode.

// Crear objeto ExtractTextOptions para establecer la ruta del archivo y TextFormattingMode
var options = new ExtractTextOptions("path_to_your_pdf_file.pdf", TextFormattingMode.Pure);
// Ejecutar el proceso y obtener el texto extraído
var textExtracted = PdfExtractor.Extract(options);

El ejemplo muestra cómo extraer texto de un archivo PDF en el estilo más breve posible.

// Ejecutar el proceso y obtener el texto extraído
var textExtracted = PdfExtractor.Extract(new ExtractTextOptions("path_to_your_pdf_file.pdf", TextFormattingMode.Pure));

Excepciones

ArgumentException

Si no se establecen opciones.

Extract(ExtractImagesOptions)

Extrae imágenes de un documento PDF.

public static ResultContainer Extract(ExtractImagesOptions options)

Parámetros

  • options ExtractImagesOptions: Un objeto de opciones que contiene las instrucciones para la operación.

Devuelve

ResultContainer : Un objeto que contiene el resultado de la operación.

Ejemplos

El ejemplo muestra cómo extraer imágenes de un documento PDF.

// Crear ExtractImagesOptions para establecer instrucciones
var options = new ExtractImagesOptions();
// Añadir ruta del archivo de entrada
options.AddInput(new FileData("path_to_your_pdf_file.pdf"));
// Establecer ruta del directorio de salida
options.AddOutput(new DirectoryData("path_to_results_directory"));
// Ejecutar el proceso
var results = PdfExtractor.Extract(options);
// Obtener la ruta del resultado de la imagen
var imageExtracted = results.ResultCollection[0].ToFile();

El ejemplo muestra cómo extraer imágenes de un documento PDF a flujos sin crear una carpeta.

// Crear ExtractImagesOptions para establecer instrucciones
var options = new ExtractImagesOptions();
// Añadir ruta del archivo de entrada
options.AddInput(new FileData("path_to_your_pdf_file.pdf"));
// No se establece salida: escribirá los resultados en flujos
// Ejecutar el proceso
var results = PdfExtractor.Extract(options);
// Obtener el flujo
var ms = results.ResultCollection[0].ToStream();
// Copiar datos a un archivo para la demostración
ms.Seek(0, SeekOrigin.Begin);
using (var fs = File.Create("test_file.png"))
{
    ms.CopyTo(fs);
}

Excepciones

ArgumentException

Si no se establecen opciones.

Extract(ExtractFormDataToDsvOptions)

Extrae datos de formulario de un documento PDF.

public static ResultContainer Extract(ExtractFormDataToDsvOptions options)

Parámetros

Devuelve

ResultContainer : Un objeto que contiene el resultado de la operación.

Ejemplos

El ejemplo muestra cómo exportar los valores del formulario a un archivo CSV.

// Crear objeto ExtractFormDataToDsvOptions para establecer instrucciones
var options = new ExtractFormDataToDsvOptions(',', true);
// Añadir ruta del archivo de entrada
options.AddInput(new FileData("path_to_your_pdf_file.pdf"));
// Establecer ruta del archivo de salida
options.AddOutput(new FileData("path_to_result_csv_file.csv"));
// Ejecutar el proceso
PdfExtractor.Extract(options);

El ejemplo muestra cómo exportar los valores del formulario a un archivo TSV y establecer propiedades.

// Crear objeto ExtractFormDataToDsvOptions para establecer instrucciones
var options = new ExtractFormDataToDsvOptions();
//Establecer delimitador
options.Delimiter = '\t';
//Añadir nombres de campos al resultado
options.AddFieldName = true;
// Añadir ruta del archivo de entrada
options.AddInput(new FileData("path_to_your_pdf_file.pdf"));
// Establecer ruta del archivo de salida
options.AddOutput(new FileData("path_to_result_csv_file.tsv"));
// Ejecutar el proceso
PdfExtractor.Extract(options);

Excepciones

ArgumentException

Si no se establecen opciones.

Extract(ExtractPropertiesOptions)

Extrae propiedades de un documento PDF.

public static PdfProperties Extract(ExtractPropertiesOptions options)

Parámetros

Devuelve

PdfProperties : Un objeto que contiene el resultado de la operación.

Ejemplos

El ejemplo muestra cómo extraer propiedades (FileName, Title, Author, Subject, Keywords, Created, Modified, Application, PDF Producer, Number of Pages) de un archivo PDF.

// Crear objeto ExtractPropertiesOptions para establecer el archivo de entrada
var options = new ExtractPropertiesOptions("path_to_your_pdf_file.pdf");
// Ejecutar el proceso y obtener las propiedades
var pdfProperties = PdfExtractor.Extract(options);
var filename = pdfProperties.FileName;
var title = pdfProperties.Title;
var author = pdfProperties.Author;
var subject = pdfProperties.Subject;
var keywords = pdfProperties.Keywords;
var created = pdfProperties.Created;
var modified = pdfProperties.Modified;
var application = pdfProperties.Application;
var pdfProducer = pdfProperties.PdfProducer;
var numberOfPages = pdfProperties.NumberOfPages;

El ejemplo muestra cómo extraer propiedades (Title, Author, Subject, Keywords, Created, Modified, Application, PDF Producer, Number of Pages) de un flujo PDF.

// Crear objeto ExtractPropertiesOptions para establecer el flujo de entrada
var stream = File.OpenRead("path_to_your_pdf_file.pdf");
var options = new ExtractPropertiesOptions(stream);
// Ejecutar el proceso y obtener las propiedades
var pdfProperties = PdfExtractor.Extract(options);
var title = pdfProperties.Title;
var author = pdfProperties.Author;
var subject = pdfProperties.Subject;
var keywords = pdfProperties.Keywords;
var created = pdfProperties.Created;
var modified = pdfProperties.Modified;
var application = pdfProperties.Application;
var pdfProducer = pdfProperties.PdfProducer;
var numberOfPages = pdfProperties.NumberOfPages;

El ejemplo muestra cómo extraer propiedades de un archivo PDF en el estilo más breve posible.

// Ejecutar el proceso y obtener las propiedades
var pdfProperties = PdfExtractor.Extract(new ExtractPropertiesOptions("path_to_your_pdf_file.pdf"));

Excepciones

ArgumentException

Si no se establecen opciones.

Namespace: Documentize Assembly: Documentize.dll

 Español