在日常辦公和開發中，從 PDF 文件中提取文本是一項高頻需求。手動複製粘貼不僅耗時，而且面對大量文檔時效率極低。傳統的自動化方案往往依賴 Adobe Reader 等外部組件，不僅部署麻煩，遇到加密或掃描件更是難以處理。

本文將介紹如何使用免費庫 Free Spire.PDF for .NET ，無需安裝任何 PDF 閲讀器，輕鬆實現高精度、高可靠性的 PDF 文本提取。我們將從方案對比開始，逐步講解環境搭建、核心代碼實現以及高級應用技巧，並提供可直接運行的示例。

PDF 文本提取方案對比

C# 實戰教程：三步完成 PDF 文本提取

1. 環境準備

首先創建一個 .NET 控制枱應用程序（支持 .NET Framework 4.6.1+ 或 .NET Core 3.1+）。然後通過 NuGet 安裝 Spire.PDF 庫。

在 Visual Studio 中打開“程序包管理器控制枱”，輸入以下命令：

Install-Package FreeSpire.PDF

注意：免費版對處理的 PDF 頁數有限制（如最多10頁），適用於個人或小型項目。

2. 提取單頁文本的核心代碼

下面演示如何加載一個 PDF 文件，提取其中某一頁的所有文本，並保存到 TXT 文件中。

using System.IO;
using Spire.Pdf;
using Spire.Pdf.Texts;

namespace ExtractTextFromPage
{
    class Program
    {
        static void Main(string[] args)
        {
            // 1. 加載 PDF 文檔
            PdfDocument doc = new PdfDocument();
            doc.LoadFromFile("示例.pdf");

            // 2. 獲取指定頁面（Pages 集合從 0 開始，此處獲取第 2 頁）
            PdfPageBase page = doc.Pages[1];

            // 3. 創建 PdfTextExtractor 對象，用於提取該頁文本
            PdfTextExtractor textExtractor = new PdfTextExtractor(page);

            // 4. 設置提取選項：提取頁面上所有文本
            PdfTextExtractOptions extractOptions = new PdfTextExtractOptions();
            extractOptions.IsExtractAllText = true;   // 提取全部文本

            // 5. 執行提取
            string text = textExtractor.ExtractText(extractOptions);

            // 6. 將提取的文本寫入文件
            File.WriteAllText("提取指定頁面文本.txt", text);

            // 7. 釋放資源
            doc.Close();
        }
    }
}

關鍵參數説明：

• PdfTextExtractor：文本提取器，綁定到指定頁面。
• PdfTextExtractOptions：提取選項，可設置提取範圍（全頁或矩形區域）。
• ExtractText()：執行提取，返回該頁所有文本的字符串。

3. 高級應用技巧

處理加密 PDF 文件

若 PDF 受密碼保護，只需在加載時傳入密碼（所有者密碼或用户密碼均可，取決於文件權限）：

doc.LoadFromFile("加密.pdf", "password");

提取所有頁面文本

通過遍歷文檔的每一頁，將提取的文本合併：

StringBuilder allText = new StringBuilder();
foreach (PdfPageBase page in doc.Pages)
{
    PdfTextExtractor extractor = new PdfTextExtractor(page);
    PdfTextExtractOptions options = new PdfTextExtractOptions();
    options.IsExtractAllText = true;
    string pageText = extractor.ExtractText(options);
    allText.AppendLine(pageText);
}
File.WriteAllText("全部頁面文本.txt", allText.ToString());

提取指定區域的文本

有時我們只需要頁面中某個矩形區域內的文本，可以通過 ExtractArea 屬性指定區域（單位：點，1 點 = 1/72 英寸）：

PdfTextExtractOptions options = new PdfTextExtractOptions();
options.ExtractArea = new System.Drawing.RectangleF(50, 100, 400, 300);  // 左、上、寬、高
string areaText = textExtractor.ExtractText(options);

技術組合建議

在實際項目中，PDF 文本提取往往不是終點，還需要結合其他功能實現完整的數據處理流程：

• 文本+格式提取：使用 PdfTextFinder 可以按樣式（字體、顏色、大小）定位特定文本，便於提取標題、關鍵詞等。
• 表格數據提取：若 PDF 中包含表格，使用 PdfTableExtractor 可以直接提取結構化表格數據，返回 DataTable 或二維數組。
• 掃描件 OCR 集成：對於掃描版 PDF（圖片格式），可搭配 Spire.OCR 庫進行光學字符識別，提取其中的文字信息。

總結

通過 Free Spire.PDF for .NET，開發者可以輕鬆繞過傳統方案的諸多限制，在 .NET 環境中實現穩定、高效的 PDF 文本提取。其簡潔的 API 設計大大降低了編碼難度，同時豐富的擴展功能（如加密處理、區域提取、表格識別）可以滿足不同業務場景的需求。