पीडीएफ टेक्स्ट निष्कर्षण और विश्लेषण के लिए फ्री C# .NET एपीआई

PdfPig के साथ शुरुआत करना

PdfPig लाइब्रेरी एक nuget पैकेज के रूप में उपलब्ध है। इसलिए अपने प्रोजेक्ट में PdfPig स्थापित करने के लिए NuGet का उपयोग करने की अत्यधिक सिफारिश की जाती है। सफल स्थापना के लिए कृपया निम्नलिखित कमांड का उपयोग करें।

// Package Manager
Install-Package PdfPig

// .NET CLI

dotnet add package PdfPig

.NET के माध्यम से PDF दस्तावेज़ों से पाठ निकालें

PdfPig के सबसे सामान्य उपयोग मामलों में से एक PDF दस्तावेज़ों से साधारण टेक्स्ट निकालना है। सॉफ़्टवेयर डेवलपर्स PDF खोल सकते हैं और पृष्ठ दर पृष्ठ टेक्स्ट पढ़ सकते हैं या पूरी सामग्री निकाल सकते हैं। यह विशेष रूप से खोज अनुक्रमण, कीवर्ड स्कैनिंग और सामग्री विश्लेषण के लिए उपयोगी है। यहाँ एक सरल उदाहरण है जो दर्शाता है कि सॉफ़्टवेयर डेवलपर्स C# .NET अनुप्रयोगों के भीतर PDF दस्तावेज़ों से टेक्स्ट कैसे निकाल सकते हैं। पहले यह PDF फ़ाइल खोलता है और सभी पृष्ठों पर इटररेट करता है, उसके बाद निकाले गए टेक्स्ट सामग्री को पढ़ता है।

using UglyToad.PdfPig;

using (var document = PdfDocument.Open("sample.pdf"))
{
    foreach (var page in document.GetPages())
    {
        string text = page.Text;
        Console.WriteLine(text);
    }
}

इंटरैक्टिव फ़ॉर्म और एम्बेडेड फ़ाइल निष्कर्षण

ओपन सोर्स PdfPig लाइब्रेरी मूल रूप से इंटरैक्टिव Acrobat फ़ॉर्म्स (AcroForms) के निष्कर्षण और PDF अटैचमेंट्स में छिपी फ़ाइलों को पढ़ने का समर्थन करती है। यह डेवलपर्स को वैश्विक रूप से फ़ॉर्म परिभाषाओं की जाँच करने, टाइप किए गए इंटरैक्टिव फ़ॉर्म तत्वों (जैसे चेकबॉक्स, टेक्स्ट फ़ील्ड, या पुशबटन) के माध्यम से इटररेट करने, और दस्तावेज़ एनोटेशन के भीतर एम्बेडेड फ़ाइलों के मूल रॉ बाइट डेटा तक पहुँचने की सुविधा देती है, जिससे सिस्टम इंटरऑपरेबिलिटी सहज हो जाती है।

using System;
using System.Collections.Generic;
using UglyToad.PdfPig;
using UglyToad.PdfPig.AcroForms;

class Program
{
    static void ExtractInteractiveContent(string pdfPath)
    {
        using (PdfDocument document = PdfDocument.Open(pdfPath))
        {
            // Extracting Interactive Form Data
            if (document.TryGetForm(out AcroForm form))
            {
                foreach (var field in form.Fields)
                {
                    Console.WriteLine($"Form Field Name: {field.Information.Name} | Type: {field.Type}");
                }
            }

            // Extracting Embedded Documents/Attachments
            if (document.Advanced.TryGetEmbeddedFiles(out IReadOnlyList embeddedFiles))
            {
                foreach (var file in embeddedFiles)
                {
                    Console.WriteLine($"Found Attachment: {file.Name} ({file.Bytes.Count} bytes)");
                    // File.WriteAllBytes(file.Name, file.Bytes.ToArray()); // Save attachment locally
                }
            }
        }
    }
}

C# के माध्यम से सहज मल्टी-फ़ाइल PDF मर्जिंग

सामग्री निष्कर्षण से आगे, PdfPig सरल दस्तावेज़ प्रबंधन उपयोगिताएँ प्रदान करता है। PdfMerger क्लास का उपयोग करके, डेवलपर्स अलग-अलग स्वतंत्र PDF संरचनाओं को एकल, एकीकृत फ़ाइल बाइट्स की आउटपुट एरे में समेकित कर सकते हैं। यह प्रोग्रामेटिक रिपोर्ट, इनवॉइस या क्लाइंट स्टेटमेंट दस्तावेज़ों को बिना भारी बाहरी निर्भरताओं को अपने .NET पाइपलाइन में जोड़े, संयोजित करने का प्रभावी तरीका प्रदान करता है। निम्नलिखित उदाहरण दर्शाता है कि उपयोगकर्ता .NET अनुप्रयोगों के भीतर कई PDF दस्तावेज़ों को कैसे संयोजित कर सकते हैं।

using System.IO;
using UglyToad.PdfPig.Writer;

class Program
{
    static void MergeDocuments(string firstPdf, string secondPdf, string outputPdf)
    {
        // Consolidate files into a single continuous byte sequence
        byte[] mergedFileBytes = PdfMerger.Merge(firstPdf, secondPdf);
        
        // Output the combined file stream directly to disk
        File.WriteAllBytes(outputPdf, mergedFileBytes);
    }
}

PDF मेटाडेटा, फ़ॉर्म और एनोटेशन पढ़ें

पाठ निष्कर्षण से आगे, ओपन सोर्स PdfPig लाइब्रेरी में ऐसी सुविधाएँ शामिल हैं जो दस्तावेज़ मेटाडेटा (शीर्षक, लेखक, उत्पादक), इंटरैक्टिव फ़ॉर्म फ़ील्ड, हाइपरलिंक और बुकमार्क को उजागर करती हैं। यह दस्तावेज़ वर्गीकरण प्रणालियों, स्वचालित फ़ॉर्म प्रोसेसिंग और सामग्री अनुक्रमण के लिए अमूल्य है जहाँ आपको सामग्री और संदर्भ दोनों की आवश्यकता होती है।