Apache PDFBox frente a IronPDF: Guía de comparación técnica

Conversión de HTML a PDF

La conversión de contenido HTML a PDF revela la diferencia de capacidad más significativa entre estas bibliotecas.

Apache PDFBox (puerto .NET):

// Apache PDFBox does not have official .NET port
// Community ports like PDFBox-dotnet are incomplete
// and do not support HTML a PDFconversion natively.
// You would need to use additional libraries like
// iText or combine with HTML renderers separately.

using PdfBoxDotNet.Pdmodel;
using System.IO;

// Note: This is NOT supported in PDFBox
// PDFBox is primarily for PDF manipulation, not HTML rendering
// You would need external HTML rendering engine

// Apache PDFBox does not have official .NET port
// Community ports like PDFBox-dotnet are incomplete
// and do not support HTML a PDFconversion natively.
// You would need to use additional libraries like
// iText or combine with HTML renderers separately.

using PdfBoxDotNet.Pdmodel;
using System.IO;

// Note: This is NOT supported in PDFBox
// PDFBox is primarily for PDF manipulation, not HTML rendering
// You would need external HTML rendering engine

' Apache PDFBox does not have official .NET port
' Community ports like PDFBox-dotnet are incomplete
' and do not support HTML to PDF conversion natively.
' You would need to use additional libraries like
' iText or combine with HTML renderers separately.

Imports PdfBoxDotNet.Pdmodel
Imports System.IO

' Note: This is NOT supported in PDFBox
' PDFBox is primarily for PDF manipulation, not HTML rendering
' You would need external HTML rendering engine

IronPDF:

// NuGet: Install-Package IronPdf
using IronPdf;
using System;

class Program
{
    static void Main()
    {
        var renderer = new ChromePdfRenderer();
        var pdf = renderer.RenderHtmlAsPdf("<h1>Hello World</h1><p>This is HTML to PDF</p>");
        pdf.SaveAs("output.pdf");
        Console.WriteLine("PDF created successfully");
    }
}

// NuGet: Install-Package IronPdf
using IronPdf;
using System;

class Program
{
    static void Main()
    {
        var renderer = new ChromePdfRenderer();
        var pdf = renderer.RenderHtmlAsPdf("<h1>Hello World</h1><p>This is HTML to PDF</p>");
        pdf.SaveAs("output.pdf");
        Console.WriteLine("PDF created successfully");
    }
}

Imports IronPdf
Imports System

Class Program
    Shared Sub Main()
        Dim renderer = New ChromePdfRenderer()
        Dim pdf = renderer.RenderHtmlAsPdf("<h1>Hello World</h1><p>This is HTML to PDF</p>")
        pdf.SaveAs("output.pdf")
        Console.WriteLine("PDF created successfully")
    End Sub
End Class

Apache PDFBox está diseñado principalmente para la manipulación de PDF, no para el renderizado de HTML. La creación de archivos PDF en PDFBox requiere la construcción manual de páginas con un posicionamiento preciso de las coordenadas, un proceso tedioso y propenso a errores.IronPDFofrece un renderizado completo de HTML/CSS/JavaScript basado en Chromium, lo que permite a los desarrolladores utilizar tecnologías web conocidas para la generación de PDF.

Para conocer las opciones avanzadas de conversión de HTML, consulte la Guía de conversión de HTML a PDF.

Extracción de texto de PDF

La extracción de texto de los PDF existentes muestra claramente las diferencias de estilo de las API.

Apache PDFBox (puerto .NET):

// Apache PDFBox .NET ports are experimental and incomplete
using PdfBoxDotNet.Pdmodel;
using PdfBoxDotNet.Text;
using System;
using System.IO;

class Program
{
    static void Main()
    {
        // Note: PDFBox-dotnet has limited functionality
        using (var document = PDDocument.Load("document.pdf"))
        {
            var stripper = new PDFTextStripper();
            string text = stripper.GetText(document);
            Console.WriteLine(text);
        }
    }
}

// Apache PDFBox .NET ports are experimental and incomplete
using PdfBoxDotNet.Pdmodel;
using PdfBoxDotNet.Text;
using System;
using System.IO;

class Program
{
    static void Main()
    {
        // Note: PDFBox-dotnet has limited functionality
        using (var document = PDDocument.Load("document.pdf"))
        {
            var stripper = new PDFTextStripper();
            string text = stripper.GetText(document);
            Console.WriteLine(text);
        }
    }
}

Imports PdfBoxDotNet.Pdmodel
Imports PdfBoxDotNet.Text
Imports System
Imports System.IO

Class Program
    Shared Sub Main()
        ' Note: PDFBox-dotnet has limited functionality
        Using document = PDDocument.Load("document.pdf")
            Dim stripper = New PDFTextStripper()
            Dim text As String = stripper.GetText(document)
            Console.WriteLine(text)
        End Using
    End Sub
End Class

IronPDF:

// NuGet: Install-Package IronPdf
using IronPdf;
using System;

class Program
{
    static void Main()
    {
        var pdf = PdfDocument.FromFile("document.pdf");
        string text = pdf.ExtractAllText();
        Console.WriteLine(text);

        // Or extract text from specific pages
        string pageText = pdf.ExtractTextFromPage(0);
        Console.WriteLine(pageText);
    }
}

// NuGet: Install-Package IronPdf
using IronPdf;
using System;

class Program
{
    static void Main()
    {
        var pdf = PdfDocument.FromFile("document.pdf");
        string text = pdf.ExtractAllText();
        Console.WriteLine(text);

        // Or extract text from specific pages
        string pageText = pdf.ExtractTextFromPage(0);
        Console.WriteLine(pageText);
    }
}

Imports IronPdf
Imports System

Class Program
    Shared Sub Main()
        Dim pdf = PdfDocument.FromFile("document.pdf")
        Dim text As String = pdf.ExtractAllText()
        Console.WriteLine(text)

        ' Or extract text from specific pages
        Dim pageText As String = pdf.ExtractTextFromPage(0)
        Console.WriteLine(pageText)
    End Sub
End Class

Apache PDFBox requiere crear un objeto PDFTextStripper y llamar a GetText() con el documento. El código conserva patrones de estilo Java con notas de funcionalidad limitada.IronPDFproporciona un único método ExtractAllText() en el objeto PdfDocument, además de extracción por página con ExtractTextFromPage().

Más información sobre la extracción de texto en documentación sobre extracción de texto.

Operaciones de fusión de PDF

La combinación de varios documentos PDF demuestra distintos enfoques de la manipulación de documentos.

Apache PDFBox (puerto .NET):

// Apache PDFBox .NET port attempt (incomplete support)
using PdfBoxDotNet.Pdmodel;
using PdfBoxDotNet.Multipdf;
using System;
using System.IO;

class Program
{
    static void Main()
    {
        // PDFBox-dotnet ports have incomplete API coverage
        var merger = new PDFMergerUtility();
        merger.AddSource("document1.pdf");
        merger.AddSource("document2.pdf");
        merger.SetDestinationFileName("merged.pdf");
        merger.MergeDocuments();
        Console.WriteLine("PDFs merged");
    }
}

// Apache PDFBox .NET port attempt (incomplete support)
using PdfBoxDotNet.Pdmodel;
using PdfBoxDotNet.Multipdf;
using System;
using System.IO;

class Program
{
    static void Main()
    {
        // PDFBox-dotnet ports have incomplete API coverage
        var merger = new PDFMergerUtility();
        merger.AddSource("document1.pdf");
        merger.AddSource("document2.pdf");
        merger.SetDestinationFileName("merged.pdf");
        merger.MergeDocuments();
        Console.WriteLine("PDFs merged");
    }
}

Imports PdfBoxDotNet.Pdmodel
Imports PdfBoxDotNet.Multipdf
Imports System
Imports System.IO

Module Program
    Sub Main()
        ' PDFBox-dotnet ports have incomplete API coverage
        Dim merger As New PDFMergerUtility()
        merger.AddSource("document1.pdf")
        merger.AddSource("document2.pdf")
        merger.SetDestinationFileName("merged.pdf")
        merger.MergeDocuments()
        Console.WriteLine("PDFs merged")
    End Sub
End Module

IronPDF:

// NuGet: Install-Package IronPdf
using IronPdf;
using System;
using System.Collections.Generic;

class Program
{
    static void Main()
    {
        var pdf1 = PdfDocument.FromFile("document1.pdf");
        var pdf2 = PdfDocument.FromFile("document2.pdf");
        var pdf3 = PdfDocument.FromFile("document3.pdf");

        var merged = PdfDocument.Merge(pdf1, pdf2, pdf3);
        merged.SaveAs("merged.pdf");
        Console.WriteLine("PDFs merged successfully");
    }
}

// NuGet: Install-Package IronPdf
using IronPdf;
using System;
using System.Collections.Generic;

class Program
{
    static void Main()
    {
        var pdf1 = PdfDocument.FromFile("document1.pdf");
        var pdf2 = PdfDocument.FromFile("document2.pdf");
        var pdf3 = PdfDocument.FromFile("document3.pdf");

        var merged = PdfDocument.Merge(pdf1, pdf2, pdf3);
        merged.SaveAs("merged.pdf");
        Console.WriteLine("PDFs merged successfully");
    }
}

Imports IronPdf
Imports System
Imports System.Collections.Generic

Module Program
    Sub Main()
        Dim pdf1 = PdfDocument.FromFile("document1.pdf")
        Dim pdf2 = PdfDocument.FromFile("document2.pdf")
        Dim pdf3 = PdfDocument.FromFile("document3.pdf")

        Dim merged = PdfDocument.Merge(pdf1, pdf2, pdf3)
        merged.SaveAs("merged.pdf")
        Console.WriteLine("PDFs merged successfully")
    End Sub
End Module

Apache PDFBox utiliza una clase PDFMergerUtility con métodos setter al estilo Java (SetDestinationFileName). Los puertos tienen una cobertura incompleta de las API.IronPDFcarga documentos como objetos PdfDocument y los fusiona con un método estático PdfDocument.Merge() que acepta múltiples documentos.

Explore otras operaciones de fusión en la documentación sobre fusión de PDF.

Operaciones básicas de documentos

Mapeo de espacios de nombres

Capacidad de renderizado HTML

La diferencia más significativa es la compatibilidad con HTML. Apache PDFBox está diseñado para la manipulación de PDF, no para la conversión de HTML a PDF. La creación de PDF requiere la construcción manual de páginas:

// PDFBox: Manual page construction required
// No HTML rendering - must construct pages programmatically
// with coordinate positioning for each element

// PDFBox: Manual page construction required
// No HTML rendering - must construct pages programmatically
// with coordinate positioning for each element

' PDFBox: Manual page construction required
' No HTML rendering - must construct pages programmatically
' with coordinate positioning for each element

IronPDF proporciona una representación completa en HTML/CSS/JavaScript:

// IronPDF: HTML rendering with Chromium engine
var renderer = new ChromePdfRenderer();
var pdf = renderer.RenderHtmlAsPdf("<h1>Title</h1><p>Content with CSS styling</p>");
pdf.SaveAs("output.pdf");

// IronPDF: HTML rendering with Chromium engine
var renderer = new ChromePdfRenderer();
var pdf = renderer.RenderHtmlAsPdf("<h1>Title</h1><p>Content with CSS styling</p>");
pdf.SaveAs("output.pdf");

' IronPDF: HTML rendering with Chromium engine
Dim renderer As New ChromePdfRenderer()
Dim pdf = renderer.RenderHtmlAsPdf("<h1>Title</h1><p>Content with CSS styling</p>")
pdf.SaveAs("output.pdf")

Estilo y convenciones de la API

Los puertos de Apache PDFBox conservan las convenciones de Java:

// PDFBox: Java-style patterns
PDDocument document = PDDocument.load(new File(path));
PDFTextStripper stripper = new PDFTextStripper();
string text = stripper.getText(document);
document.close();  // Explicit close required

// PDFBox: Java-style patterns
PDDocument document = PDDocument.load(new File(path));
PDFTextStripper stripper = new PDFTextStripper();
string text = stripper.getText(document);
document.close();  // Explicit close required

Imports System.IO
Imports org.apache.pdfbox.pdmodel
Imports org.apache.pdfbox.text

Dim document As PDDocument = PDDocument.load(New File(path))
Dim stripper As New PDFTextStripper()
Dim text As String = stripper.getText(document)
document.close() ' Explicit close required

IronPDF utiliza C# idiomático:

// IronPDF: .NET-style patterns
using var pdf = PdfDocument.FromFile(path);
string text = pdf.ExtractAllText();
// Automatic disposal with 'using'

// IronPDF: .NET-style patterns
using var pdf = PdfDocument.FromFile(path);
string text = pdf.ExtractAllText();
// Automatic disposal with 'using'

Imports IronPdf

Using pdf = PdfDocument.FromFile(path)
    Dim text As String = pdf.ExtractAllText()
End Using

Gestión de recursos

Los ports de Apache PDFBox requieren llamadas close() explícitas siguiendo los patrones de Java:

// PDFBox: Manual close required
PDDocument document = null;
try
{
    document = PDDocument.load("input.pdf");
    // Operations
}
finally
{
    if (document != null)
        document.close();
}

// PDFBox: Manual close required
PDDocument document = null;
try
{
    document = PDDocument.load("input.pdf");
    // Operations
}
finally
{
    if (document != null)
        document.close();
}

Imports org.apache.pdfbox.pdmodel

' PDFBox: Manual close required
Dim document As PDDocument = Nothing
Try
    document = PDDocument.load("input.pdf")
    ' Operations
Finally
    If document IsNot Nothing Then
        document.close()
    End If
End Try

IronPDF implementa IDisposable para la gestión estándar de recursos .NET:

// IronPDF: Standard .NET disposal
using var pdf = PdfDocument.FromFile("input.pdf");
// Automatic cleanup when scope ends

// IronPDF: Standard .NET disposal
using var pdf = PdfDocument.FromFile("input.pdf");
// Automatic cleanup when scope ends

Imports IronPdf

Using pdf = PdfDocument.FromFile("input.pdf")
    ' Automatic cleanup when scope ends
End Using

Puntos fuertes de Apache PDFBox

• Experiencia probada: Larga trayectoria utilizada por importantes organizaciones en Java
• Riqueza de funciones: Funciones completas para la generación, manipulación y extracción de PDF
• Completa compatibilidad con el ciclo de vida de PDF: Admite la creación, división y fusión
• Fuente abierta: Licencia Apache 2.0

Consideraciones sobre Apache PDFBox

• Ports .NET no oficiales: Carecen de respaldo oficial y pueden no estar alineados con las últimas versiones de Java
• Calidad variable: Los ports impulsados por la comunidad tienen una calidad y un rendimiento inconsistentes
• Comunidad .NET limitada: La atención sigue centrada en Java con menos recursos .NET
• Uso de API complejas: Los paradigmas de diseño Java-first resultan engorrosos para los desarrolladores .NET
• Sin renderizado HTML: Requiere bibliotecas externas para la conversión de HTML a PDF

Puntos fuertes de IronPDF

• Diseño .NET nativo: Construido desde cero para .NET con una integración fluida
• Desarrollo dedicado: Mejora continua y ampliación de funciones
• Soporte profesional: Soporte fiable para aplicaciones empresariales
• Renderizado HTML: Compatibilidad total con HTML/CSS/JavaScript basada en Chromium
• API moderna: API sencilla con requisitos de código mínimos
• Exhaustivos recursos: Completos tutoriales y documentación