Extract Text

O Documentize PDF Extractor para .NET simplifica a extração de texto de documentos PDF. Seja você precisar de texto puro, bruto ou simples, este plugin permite extrair texto de forma eficiente, preservando a formatação ou omitindo-a com base em suas necessidades.

Como Extrair Texto de PDF

Para extrair texto de um documento PDF, siga estas etapas:

1. Crie uma instância de ExtractTextOptions para configurar as opções de extração.
2. Adicione o arquivo PDF de entrada utilizando o método AddInput.
3. Execute o método ExtractText para extrair o texto.
4. Acesse o texto extraído usando ResultContainer.ResultCollection.

1// Crie um objeto ExtractTextOptions para definir as instruções
2var options = new ExtractTextOptions();
3// Adicione o caminho do arquivo de entrada
4options.AddInput(new FileDataSource("path_to_your_pdf_file.pdf"));
5// Execute o processo
6var results = PdfExtractor.ExtractText(options);
7// Obtenha o texto extraído do objeto ResultContainer
8var textExtracted = results.ResultCollection[0].ToString();

Modos de Extração de Texto

As ExtractTextOptions oferecem três modos de extração, proporcionando flexibilidade com base em suas necessidades.

1. Modo Puro: Preserva a formatação original, incluindo espaços e alinhamento.
2. Modo Bruto: Extrai o texto sem formatação, útil para processamentos de dados brutos.
3. Modo Flatten: Representa o conteúdo PDF com os fragmentos de texto posicionados por suas coordenadas.

1// Crie um objeto ExtractTextOptions para definir TextFormattingMode
2var options = new ExtractTextOptions(TextFormattingMode.Pure);
3// Adicione o caminho do arquivo de entrada
4options.AddInput(new FileDataSource("path_to_your_pdf_file.pdf"));
5// Execute o processo
6var results = PdfExtractor.ExtractText(options);
7// Obtenha o texto extraído do objeto ResultContainer
8var textExtracted = results.ResultCollection[0].ToString();

Principais Recursos:

• Modo Puro: Extraia texto enquanto preserva sua formatação original.
• Modo Bruto: Extraia texto sem qualquer formatação.
• Modo Flatten: Extraia texto sem caracteres especiais ou formatação.

Extrair Imagens

O plugin Documentize PDF Extractor for .NET permite que você extraia facilmente imagens de documentos PDF. Ele analisa seus arquivos PDF, identifica imagens incorporadas e as extrai mantendo sua qualidade e formato originais. Esta ferramenta melhora a acessibilidade do conteúdo visual e simplifica o processo de recuperação de imagens de PDFs.

Como Extrair Imagens de um PDF

Para extrair imagens de um arquivo PDF, siga estas etapas:

1. Crie uma instância da classe ExtractImagesOptions.
2. Adicione o caminho do arquivo de entrada às opções usando o método AddInput.
3. Defina o caminho do diretório de saída para as imagens usando o método AddOutput.
4. Processar a extração de imagens utilizando o plugin.
5. Recupere as imagens extraídas do contêiner de resultados.

 1// Criar ExtractImagesOptions para definir instruções
 2var options = new ExtractImagesOptions();
 3// Adicionar caminho do arquivo de entrada
 4options.AddInput(new FileDataSource("caminho_para_seu_arquivo_pdf.pdf"));
 5// Definir caminho do diretório de saída
 6options.AddOutput(new DirectoryDataSource("caminho_para_diretorio_de_resultados"));
 7// Realizar o processo
 8var results = PdfExtractor.ExtractImages(options);
 9// Obter caminho do resultado da imagem
10var imageExtracted = results.ResultCollection[0].ToFile();

Extraindo Imagens de Arquivo PDF para Streams sem pasta

O plugin PdfExtractor suporta salvar em streams, o que permite que você extraia imagens de arquivos PDF em streams sem usar pastas temporárias.

 1// Criar ExtractImagesOptions para definir instruções
 2var options = new ExtractImagesOptions();
 3// Adicionar caminho do arquivo de entrada
 4options.AddInput(new FileDataSource("caminho_para_seu_arquivo_pdf.pdf"));
 5// Não defina saída - ele gravará resultados em streams
 6// Realizar o processo
 7var results = PdfExtractor.ExtractImages(options);
 8// Obter Stream
 9var ms = results.ResultCollection[0].ToStream();
10// Copiar dados para arquivo para demonstração
11ms.Seek(0, SeekOrigin.Begin);
12using (var fs = File.Create("arquivo_teste.png"))
13{
14    ms.CopyTo(fs);
15}

Principais Características:

• Extrair Imagens Incorporadas: Identificar e extrair imagens de documentos PDF.
• Preservar a Qualidade da Imagem: Garante que as imagens extraídas mantenham sua qualidade original.
• Saída Flexível: Salve as imagens extraídas no seu formato ou local preferido.

Exportar Dados do Formulário

O plugin Documentize PDF Extractor for .NET fornece uma maneira simples de extrair e exportar dados de formulários PDF (AcroForms) para outros formatos, como CSV. Esta ferramenta dinâmica simplifica o processo de recuperação de valores de campos de formulário, permitindo fácil gerenciamento, transferência e análise de dados.

Como Exportar Dados do Formulário de um PDF

Para exportar dados de um formulário de um PDF para CSV, siga estes passos:

1. Crie uma instância da classe ExtractImagesOptions.
2. Defina opções de exportação usando a classe FormExporterValuesToCsvOptions.
3. Adicione arquivos PDF de entrada e especifique o arquivo CSV de saída.
4. Execute o método Process para realizar a exportação.

1// Crie um objeto ExtractFormDataToDsvOptions para definir instruções
2var options = new ExtractFormDataToDsvOptions(',', true);
3// Adicione o caminho do arquivo de entrada
4options.AddInput(new FileDataSource("path_to_your_pdf_file.pdf"));
5// Defina o caminho do arquivo de saída
6options.AddOutput(new FileDataSource("path_to_result_csv_file.csv"));
7// Execute o processo
8PdfExtractor.ExtractFormData(options);

Principais Recursos:

• Exportar Dados do Formulário: Extraia dados de formulários PDF (AcroForms) para CSV ou outros formatos.
• Filtragem de Dados: Use predicados para filtrar campos de formulário específicos para exportação com base em critérios como tipo de campo ou número da página.
• Saída Flexível: Salve dados exportados para análise ou transferência para planilhas, bancos de dados ou outros formatos de documentos.

Merge PDF

O Gerenciador de PDF da Documentize para .NET é uma ferramenta versátil projetada para mesclar múltiplos documentos PDF em um único arquivo. Ele simplifica a consolidação de arquivos PDF, garantindo que seus documentos sejam mesclados de forma eficiente e mantendo a consistência em todo o conteúdo. O plugin lida com recursos internos, como fontes e imagens, para otimizar o documento mesclado.

Como Mesclar PDF

Para mesclar múltiplos documentos PDF em um único arquivo, siga estas etapas:

1. Crie uma instância de MergeOptions para configurar o processo de mesclagem.
2. Adicione arquivos PDF de entrada usando o método AddInput.
3. Adicione o arquivo PDF de saída usando o método AddOutput.
4. Execute a mesclagem usando o método Merge da classe PdfManager.

1// Crie o objeto MergeOptions para definir as instruções
2var options = new MergeOptions();
3// Adicione os caminhos dos arquivos de entrada
4options.AddInput(new FileDataSource("caminho_para_seu_arquivo_pdf_1.pdf"));
5options.AddInput(new FileDataSource("caminho_para_seu_arquivo_pdf_2.pdf"));
6// Defina o caminho do arquivo de saída
7options.AddOutput(new FileDataSource("caminho_para_arquivo_resultante_pdf.pdf"));
8// Execute o processo
9PdfManager.Merge(options);

Principais Recursos:

• Mesclar Múltiplos PDFs: Combine facilmente vários arquivos PDF em um só.
• Otimização de Recursos: Remove fontes e imagens duplicadas durante a mesclagem.
• Processamento em Lote: Mescle grandes lotes de documentos PDF de uma só vez.

Split PDF

O Gerenciador de PDF do Documentize para .NET é uma ferramenta poderosa que simplifica o processo de divisão de grandes documentos PDF em arquivos menores e mais gerenciáveis. Se você precisa extrair páginas individuais ou dividir um documento em seções específicas, este plugin permite que você o faça de forma eficiente e com o mínimo de esforço.

Como Dividir PDF

Para dividir um documento PDF em páginas individuais, siga estes passos:

1. Crie uma instância de SplitOptions para configurar as opções de divisão.
2. Adicione o arquivo PDF de entrada usando o método AddInput.
3. Adicione arquivos de saída para cada página dividida usando o método AddOutput.
4. Execute o método Split na classe PdfManager para dividir o documento.

1// Crie um objeto SplitOptions para definir instruções
2var options = new SplitOptions();
3// Adicione o caminho do arquivo de entrada
4options.AddInput(new FileDataSource("caminho_do_seu_arquivo_pdf.pdf"));
5// Defina os caminhos dos arquivos de saída
6options.AddOutput(new FileDataSource("caminho_do_arquivo_pdf_resultante_1.pdf"));
7options.AddOutput(new FileDataSource("caminho_do_arquivo_pdf_resultante_2.pdf"));
8// Realize o processo
9PdfManager.Split(options);

Principais Recursos:

• Dividir PDF por Página: Quebre um documento PDF em páginas individuais.
• Opções de Divisão Personalizadas: Configure o processo de divisão com base em suas necessidades.
• Saída Organizada: Gerencie facilmente os arquivos de saída para cada página ou seção dividida.

Optimize PDF

O Gerenciador de PDF do Documentize para .NET é um plugin abrangente que aprimora documentos PDF por meio de técnicas avançadas de otimização. Ele foi projetado para ajudar a reduzir tamanhos de arquivos, girar páginas, recortar conteúdo e redimensionar documentos. Essas operações melhoram a qualidade e a manejabilidade dos arquivos PDF, tornando-os mais fáceis de armazenar, compartilhar e visualizar.

Optimize PDF

Os seguintes passos demonstram como otimizar um documento PDF reduzindo seu tamanho de arquivo enquanto mantém a qualidade.

1. Crie um objeto OptimizeOptions para configurar as configurações de otimização.
2. Adicione arquivos PDF de entrada e defina um local de saída para o arquivo otimizado.
3. Execute o método Optimize do PdfManager para realizar a otimização.

1// Crie um objeto OptimizeOptions para definir instruções
2var options = new OptimizeOptions();
3// Adicione o caminho do arquivo de entrada
4options.AddInput(new FileDataSource("caminho_para_seu_arquivo_pdf.pdf"));
5// Defina o caminho do arquivo de saída
6options.AddOutput(new FileDataSource("caminho_para_arquivo_pdf_resultante.pdf"));
7// Realize o processo
8PdfManager.Optimize(options);

Rotate PDF

Use a classe RotateOptions para ajustar a orientação das páginas em um arquivo PDF.

1. Crie um objeto RotateOptions e configure o ângulo de rotação.
2. Adicione o arquivo PDF de entrada e especifique o local do arquivo de saída.
3. Defina o ângulo de rotação (por exemplo, 90 graus) usando o método SetRotation.
4. Execute o método Rotate do PdfManager.

 1// Crie um objeto RotateOptions para definir instruções
 2var options = new RotateOptions();
 3// Defina nova Rotação
 4options.Rotation = Rotation.On90;
 5// Adicione o caminho do arquivo de entrada
 6options.AddInput(new FileDataSource("caminho_para_seu_arquivo_pdf.pdf"));
 7// Defina o caminho do arquivo de saída
 8options.AddOutput(new FileDataSource("caminho_para_arquivo_pdf_resultante.pdf"));
 9// Realize o processo
10PdfManager.Rotate(options);

Resize PDF

Para redimensionar um documento PDF, a classe ResizeOptions é usada para especificar o novo tamanho da página para o documento.

1. Crie um objeto ResizeOptions para definir o tamanho da página.
2. Adicione o arquivo de entrada e defina o local desejado de saída.
3. Use o método SetPageSize para especificar o novo tamanho (por exemplo, A4).
4. Execute o método Resize do PdfManager.

 1// Crie um objeto ResizeOptions para definir instruções
 2var options = new ResizeOptions();
 3// Defina novo Tamanho da Página
 4options.PageSize = PageSize.A3;
 5// Adicione o caminho do arquivo de entrada
 6options.AddInput(new FileDataSource("caminho_para_seu_arquivo_pdf.pdf"));
 7// Defina o caminho do arquivo de saída
 8options.AddOutput(new FileDataSource("caminho_para_arquivo_pdf_resultante.pdf"));
 9// Realize o processo
10PdfManager.Resize(options);

Compress PDF

Comprimir um documento PDF quando viável, eliminando recursos de página não utilizados, mesclando ativos idênticos e descartando objetos redundantes.

1. Crie um objeto CompressOptions para configurar as configurações de otimização.
2. Adicione o arquivo de entrada e especifique o local do arquivo de saída.
3. Use o método SetCropBox para definir a área de corte.
4. Execute o método Compress do PdfManager.

1// Crie um objeto CompressOptions para definir instruções
2var options = new CompressOptions();
3// Adicione o caminho do arquivo de entrada
4options.AddInput(new FileDataSource("caminho_para_seu_arquivo_pdf.pdf"));
5// Defina o caminho do arquivo de saída
6options.AddOutput(new FileDataSource("caminho_para_arquivo_pdf_resultante.pdf"));
7// Realize o processo
8PdfManager.Compress(options);

Principais Recursos:

• Otimização: Reduzir o tamanho do arquivo PDF sem perder qualidade.
• Rotação: Ajustar a orientação das páginas do PDF.
• Redimensionamento: Redimensionar páginas para dimensões específicas (por exemplo, A4, Carta).
• Compressão: Remover recursos e objetos de página não utilizados do documento.

Add Table

O Documentize PDF Manager para .NET é um plugin versátil projetado para simplificar a integração de tabelas em documentos PDF. Quer você esteja organizando dados, projetando formulários ou melhorando a legibilidade de documentos, este plugin simplifica o processo enquanto mantém precisão e eficiência. Sua API intuitiva suporta tanto fluxos de trabalho de documentos únicos quanto de processamento em lote, tornando-o uma ferramenta essencial para desenvolvedores que trabalham com dados estruturados.

Criando um PDF com Tabelas

Siga estas etapas para criar tabelas estruturadas em um PDF usando a classe TableOptions:

1. Configure o objeto TableOptions para definir a estrutura da tabela, conteúdo e arquivos de entrada/saída.
2. Adicione tabelas, linhas e células ao seu PDF.
3. Finalize o processo de geração da tabela usando o método AddTable.

Aqui está um exemplo:

 1// Configure opções da tabela
 2var options = new TableOptions();
 3options.InsertPageBefore(1)
 4   .AddTable()
 5        .AddRow()
 6            .AddCell().AddParagraph("Nome")
 7            .AddCell().AddParagraph("Idade")
 8        .AddRow()
 9            .AddCell().AddParagraph("Bob")
10            .AddCell().AddParagraph("12")
11        .AddRow()
12            .AddCell().AddParagraph("Sam")
13            .AddCell().AddParagraph("20")
14        .AddRow()
15            .AddCell().AddParagraph("Sandy")
16            .AddCell().AddParagraph("26")
17        .AddRow()
18            .AddCell().AddParagraph("Tom")
19            .AddCell().AddParagraph("12")
20        .AddRow()
21            .AddCell().AddParagraph("Jim")
22            .AddCell().AddParagraph("27");
23// Adicione o caminho do arquivo de entrada
24options.AddInput(new FileDataSource("path_to_input.pdf"));
25// Defina o caminho do arquivo de saída
26options.AddOutput(new FileDataSource("path_to_output.pdf"));
27// Execute o processo
28PdfManager.AddTable(options);

Definir página da tabela

Siga estas etapas para criar uma tabela em um PDF após a página 2: Aqui está um exemplo:

 1var options = new TableOptions();
 2options.InsertPageBefore(2) // Adicione a tabela antes da página 2
 3   .AddTable()
 4        .AddRow()
 5            .AddCell().AddParagraph("Nome")
 6            .AddCell().AddParagraph("Idade")
 7// Adicione o caminho do arquivo de entrada
 8options.AddInput(new FileDataSource("path_to_input.pdf"));
 9// Defina o caminho do arquivo de saída
10options.AddOutput(new FileDataSource("path_to_output.pdf"));
11// Execute o processo
12PdfManager.AddTable(options);

Principais Recursos:

• Criação Dinâmica de Tabelas: Gere tabelas estruturadas em documentos PDF sem esforço.
• Colocação de Página: Insira tabelas em locais específicos dentro de um PDF com precisão.
• Layout Personalizável: Ajuste a estrutura da tabela, alinhamento das células e estilos.

Add TOC

O Documentize PDF Manager for .NET é um plugin poderoso projetado para melhorar a organização e a navegação de documentos PDF, gerando dinamicamente um Índice (TOC). Este plugin simplifica o processo de adicionar TOCs aos seus PDFs, tornando os documentos mais fáceis de navegar e gerenciar.

Como Gerar um TOC para um PDF

Para criar um Índice em um arquivo PDF, siga estas etapas:

1. Crie uma instância de TocOptions para configurar as configurações de geração do TOC.
2. Defina um Título usando a propriedade Title.
3. Desenhe os Títulos do TOC usando o método Headings.Add.
4. Adicione o arquivo PDF de entrada usando o método AddInput.
5. Especifique o arquivo PDF de saída com o TOC usando o método AddOutput.
6. Chame o método AddTableOfContents para gerar o TOC.

 1// Crie um objeto TocOptions para definir as instruções
 2var options = new TocOptions();
 3// Defina o Título
 4options.Title = "Meu Índice";
 5// Desenhe os Títulos
 6options.Headings.Add(new TocHeading("Introdução", 2));
 7options.Headings.Add(new TocHeading("Capítulo I", 3));
 8options.Headings.Add(new TocHeading("Capítulo II", 4));
 9options.Headings.Add(new TocHeading("Capítulo III", 5));
10// Adicione o caminho do arquivo de entrada
11options.AddInput(new FileDataSource("caminho_do_seu_arquivo_pdf.pdf"));
12// Defina o caminho do arquivo de saída
13options.AddOutput(new FileDataSource("caminho_do_arquivo_pdf_resultante.pdf"));
14// Realize o processo
15PdfManager.AddTableOfContents(options);

Gerar marcadores em um TOC para um PDF

Você pode usar a propriedade ‘GenerateBookmarks’ para a geração de marcadores.

 1// Crie um objeto TocOptions para definir as instruções
 2var options = new TocOptions();
 3// Defina o Título
 4options.Title = "Meu Índice";
 5// Gere links nos marcadores
 6options.GenerateBookmarks = true;
 7// Desenhe os Títulos
 8options.Headings.Add(new TocHeading("Introdução", 2, false, 1));
 9options.Headings.Add(new TocHeading("Capítulo I", 3, true, 1));
10options.Headings.Add(new TocHeading("Capítulo II", 4, true, 1));
11options.Headings.Add(new TocHeading("Exemplo A", 4, true, 2));
12options.Headings.Add(new TocHeading("Exemplo B", 4, true, 2));
13options.Headings.Add(new TocHeading("Exemplo C", 4, true, 2));
14options.Headings.Add(new TocHeading("Exemplo D", 4, true, 2));
15options.Headings.Add(new TocHeading("Capítulo III", 5, true, 1));
16// Adicione o caminho do arquivo de entrada
17options.AddInput(new FileDataSource("caminho_do_seu_arquivo_pdf.pdf"));
18// Defina o caminho do arquivo de saída
19options.AddOutput(new FileDataSource("caminho_do_arquivo_pdf_resultante.pdf"));
20// Realize o processo
21PdfManager.AddTableOfContents(options);

Como obter o Resultado como Stream

 1// Crie um objeto TocOptions para definir as instruções
 2var options = new TocOptions();
 3// Defina o Título
 4options.Title = "Meu Índice";
 5// Desenhe os Títulos
 6options.Headings.Add(new TocHeading("Introdução", 2, false, 1));
 7// Adicione o caminho do arquivo de entrada
 8options.AddInput(new FileDataSource("caminho_do_seu_arquivo_pdf.pdf"));
 9// Defina o stream de saída 
10var outputStream = new MemoryStream();
11options.AddOutput(new StreamDataSource(outputStream));
12options.CloseOutputStreams = false;
13// Realize o processo
14PdfManager.AddTableOfContents(options);

Personalizando o Título do TOC

Você pode personalizar o Título do Índice modificando a classe TocHeading. Por exemplo, você pode usar ‘GenerateNumbering’ ou fazê-lo manualmente. A propriedade ‘PageNumber’ é usada para links nas páginas. Você também pode usar a propriedade Level.

 1var heading = new TocHeading();
 2heading.Text = "Intro";
 3heading.PageNumber = 5;
 4heading.GenerateNumbering = true;
 5heading.Level = 2;
 6
 7var tocOptions = new TocOptions();
 8options.Headings.Add(heading);
 9// Adicione arquivos de entrada e saída
10tocOptions.AddInput(new FileDataSource(@"C:\Samples\input.pdf"));
11tocOptions.AddOutput(new FileDataSource(@"C:\Samples\output_with_toc.pdf"));
12
13// Gere o TOC com opções personalizadas
14PdfManager.AddTableOfContents(tocOptions);

Principais Recursos:

• Geração Dinâmica de TOC: Crie um TOC para qualquer arquivo PDF com entradas geradas automaticamente com base em títulos ou marcadores.
• Personalização: Controle a aparência e a estrutura do TOC, incluindo estilos, formatação e níveis de profundidade.
• Fluxo de Trabalho Eficiente: Minimize o tempo gasto criando TOCs manualmente, especialmente para documentos grandes ou complexos.