1. Ürün:% s
  2.   PDF
  3.   .NET
  4.   PdfPig
 
  

PDF Metin Çıkarma ve Analizi için Ücretsiz C# .NET API

PDF dosyalarından metin, resim, meta veri ve PDF yapı bilgilerini kolaylıkla çıkaran önde gelen bir açık kaynak .NET kütüphanesi. PDF'lere yeni sayfalar, tablolar, metin ve şekiller ekleyin.

PdfPig Kütüphanesi Nedir?

PdfPig, C# içinde PDF dosyalarından içerik okuma, ayrıştırma ve çıkarma amacıyla tasarlanmış açık kaynaklı bir .NET kütüphanesidir. Apache PDFBox'un .NET ekosistemi için bir portu olarak geliştirilmiştir ve PDF metin çıkarma, belge analizi ve düşük seviyeli PDF işleme konularında yaygın olarak kullanılmaktadır. .NET Standard ve çeşitli .NET sürümlerini destekleyerek modern geliştirme ortamları için son derece esnek bir yapı sunar. Kütüphane, belge indeksleme, arama motorları, AI/ML belge ön işleme, OCR sonrası işleme, fatura otomasyonu, PDF erişilebilirlik araçları ve veri çıkarma sistemleri için çok faydalıdır.

PDF dosyaları her yerde—sözleşmeler, raporlar, faturalar, e-kitaplar, banka ekstreleri, araştırma makaleleri ve formlar. PDF'lerden yapılandırılmış bilgi çıkarmak genellikle zordur çünkü PDF öncelikle bir sunum formatıdır, anlamsal bir belge formatı değildir. PdfPig, geliştiricilere ham metin ve kelimelere, karakter konumlarına ve sınırlayıcı kutulara, yazı tiplerine ve stil bilgilerine, görüntülere ve meta verilere ve belge düzeni detaylarına erişim sağlayarak bu sorunu basitleştirir. Çoğu PDF kütüphanesinin ağırlıklı olarak PDF oluşturma üzerine odaklanmasının aksine, PdfPig mevcut PDF belgelerini okumada uzmanlaşmıştır. Bu, arama motorları, OCR boru hatları, fatura ayrıştırıcıları, belge analizörleri, uyumluluk araçları veya içerik çıkarma sistemleri geliştiren geliştiriciler için mükemmel bir seçim yapar.

Previous Next

PdfPig ile Başlarken

PdfPig kütüphanesi bir NuGet paketi olarak mevcuttur. Bu yüzden projenize PdfPig'i kurmak için NuGet kullanmanız şiddetle tavsiye edilir. Başarılı kurulum için lütfen aşağıdaki komutu kullanın.

PdfPig'i NuGet Paket Yöneticisi ile Kurun

// Package Manager
Install-Package PdfPig

// .NET CLI

dotnet add package PdfPig

Ayrıca manuel olarak da kurabilirsiniz; en son sürüm dosyalarını doğrudan GitHub deposundan indirin.

.NET ile PDF Belgelerinden Metin Çıkarma

PdfPig'in en yaygın kullanım senaryolarından biri, PDF belgelerinden düz metin çıkarmaktır. Yazılım geliştiricileri bir PDF'yi açabilir ve metni sayfa sayfa okuyabilir veya tüm içeriği çıkarabilir. Bu, özellikle arama indekslemesi, anahtar kelime taraması ve içerik analizi için faydalıdır. İşte, yazılım geliştiricilerin C# .NET uygulamaları içinde PDF belgelerinden metin nasıl çıkarabileceğini gösteren basit bir örnek. İlk olarak PDF dosyasını açar ve tüm sayfalarda döner, ardından çıkarılan metin içeriğini okur.

C# API'si ile PDF Belgelerinden Metin Nasıl Çıkarılır?

using UglyToad.PdfPig;

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

Etkileşimli Formlar ve Gömülü Dosya Çıkarma

Açık kaynaklı PdfPig kütüphanesi, etkileşimli Acrobat Formları (AcroForms) çıkarımını ve PDF ekleri içinde gizli dosyaları okuma işlemini yerel olarak destekler. Geliştiricilerin form tanımlarını global olarak kontrol etmelerine, tiplenmiş etkileşimli form öğeleri (örneğin onay kutuları, metin alanları veya itme düğmeleri) arasında döngü yapmalarına ve belge ek açıklamaları içinde gömülü dosyaların temel ham bayt verilerine erişerek sorunsuz sistem birlikte çalışabilirliği sağlamalarına olanak tanır.

C# .NET Kütüphanesi ile Etkileşimli Form Verilerini Nasıl Çıkarabilirsiniz?

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# ile Sorunsuz Çoklu Dosya PDF Birleştirme

İçerik çıkarımının ötesinde, PdfPig basit belge yönetimi yardımcı programları sunar. PdfMerger sınıfını kullanarak, geliştiriciler ayrı bağımsız PDF yapılarını tek bir birleşik dosya baytı dizisine konsolide edebilir. Bu, programatik raporları, faturaları veya müşteri bildirim belgelerini, .NET boru hattınıza ağır harici bağımlılıklar eklemeden birleştirmenin etkili bir yolunu sağlar. Aşağıdaki örnek, kullanıcıların .NET uygulamaları içinde birden fazla PDF belgesini nasıl birleştirebileceğini gösterir.

C# .NET Uygulamalarında Birden Çok PDF Dosyasını Nasıl Birleştirirsiniz?

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 Meta Verilerini, Formları ve Açıklamaları Okuma

Metin çıkarımının ötesinde, açık kaynaklı PdfPig kütüphanesi belge meta verilerini (başlık, yazar, üretici), etkileşimli form alanlarını, hiperlinkleri ve yer imlerini ortaya çıkaran özellikler içerir. Bu, hem içerik hem de bağlam gerektiğinde belge sınıflandırma sistemleri, otomatik form işleme ve içerik indeksleme için paha biçilmezdir.

 Türkçe