法務業界向けにHTMLをPDFに変換し、OCRドキュメントを行うためにC#を使用する方法

ライブラリを .NET プロジェクトに統合するには:

• Visual Studio C# ConsoleApp のソリューション エクスプローラーでプロジェクトを右クリックし、[ソリューションの NuGet パッケージの管理] を選択します。

アイアンジップ

1. NuGet パッケージ マネージャー ウィンドウで、"IronZip"を検索します。

   

2. 検索結果から"IronZip"を選択し、"インストール"ボタンをクリックします。

3. NuGet は必要な依存関係を自動的にダウンロードし、プロジェクトに追加します。

IronPDF

1. NuGet パッケージ マネージャー ウィンドウで、"IronPDF"を検索します。

   

2. 検索結果から"IronPDF"を選択し、"インストール"ボタンをクリックします。

IronOCR

1. NuGet パッケージ マネージャー ウィンドウで、"IronOCR"を検索します。

   

2. 検索結果から"IronOCR"を選択し、"インストール"ボタンをクリックします。

まず、IronZIPの直感的なAPIを利用して、zipアーカイブからHTMLファイルを抽出します。シンプルなメソッド呼び出しで、変換プロセスに必要なファイルを効率的に抽出できます。

// Extract all contents of the ZIP file to a specified directory
IronZipArchive.ExtractArchiveToDirectory("assets/website.zip", "extracted");

// Extract all contents of the ZIP file to a specified directory
IronZipArchive.ExtractArchiveToDirectory("assets/website.zip", "extracted");

IronZIP ライブラリをさらに活用するには、このドキュメントページをご覧ください。

出力 - 抽出された HTML ファイル

次に、 IronPDFの強力な機能を使用して、抽出されたすべての HTML ファイルを 1 つの PDF ドキュメントに簡単に変換します。 簡単な API を使用すると、C# コード内で直接、高品質の PDF を簡単に生成できます。

// Create a ChromePdfRenderer object for rendering HTML to PDF (consider using IronHtmlRenderer for better HTML to PDF conversion)
ChromePdfRenderer renderer = new ChromePdfRenderer();

// Initialize an empty list to store the individual PDF documents
List<PdfDocument> pdfs = new List<PdfDocument>();

// Get all HTML files with the .html extension from the "extracted" folder
var htmlFiles = Directory.EnumerateFiles("extracted", "*.html");

// Loop through each HTML file
foreach (var htmlFile in htmlFiles)
{
    // Render the current HTML file as a PDF document using the ChromePdfRenderer
    var pdf = renderer.RenderHtmlFileAsPdf(htmlFile);

    // Add the generated PDF document to the list
    pdfs.Add(pdf);
}

// Merge all the individual PDF documents in the list into a single PDF document
var document = PdfDocument.Merge(pdfs);

// Save the merged PDF document as "HtmlToPDF.pdf"
document.SaveAs("HtmlToPDF.pdf");

// Create a ChromePdfRenderer object for rendering HTML to PDF (consider using IronHtmlRenderer for better HTML to PDF conversion)
ChromePdfRenderer renderer = new ChromePdfRenderer();

// Initialize an empty list to store the individual PDF documents
List<PdfDocument> pdfs = new List<PdfDocument>();

// Get all HTML files with the .html extension from the "extracted" folder
var htmlFiles = Directory.EnumerateFiles("extracted", "*.html");

// Loop through each HTML file
foreach (var htmlFile in htmlFiles)
{
    // Render the current HTML file as a PDF document using the ChromePdfRenderer
    var pdf = renderer.RenderHtmlFileAsPdf(htmlFile);

    // Add the generated PDF document to the list
    pdfs.Add(pdf);
}

// Merge all the individual PDF documents in the list into a single PDF document
var document = PdfDocument.Merge(pdfs);

// Save the merged PDF document as "HtmlToPDF.pdf"
document.SaveAs("HtmlToPDF.pdf");

IronPDF は、HTML ファイル、HTML フォーム、HTML 文字列、または URL からの PDF 変換だけでなく、他の形式から PDF への変換も提供します。 より詳しい情報とすぐに使用できるサンプル コード スニペットについては、このドキュメントとコード例のページをご覧ください。

出力 - PDF

出力 PDF では、IronPDF の強力な Chromium HTML 変換エンジンを使用して、各 HTML ページのコンテンツが個別の PDF ページに明確に表示されます。

さらに、生成されたPDFファイルを印刷するには、 C#印刷ライブラリであるIronPrint for .NETを使用することもできます。IronPrintは、PDFまたは画像をデフォルトのプリンターに効率的に送信し、印刷します。

IronPrintを使用してドキュメントを印刷する方法の詳細については、このドキュメントページをご覧ください。

最後に、 IronOCRを使用して、生成された PDF ドキュメントから検索可能なテキストを抽出します。 IronOCR の高度なテキスト抽出機能を利用することで、抽出されたテキストが正確であり、さらに処理できる状態であることを確認できます。

次のコード スニペットは、IronPDF から生成された PDF ファイルを取得し、 OCR を実行してさらに分析します。

// Create an IronTesseract object for Optical Character Recognition (OCR)
var ocrTesseract = new IronTesseract();

// Create an OcrInput object to specify the input for OCR processing
using var ocrInput = new OcrInput();

// Load the PDF document for text extraction
ocrInput.LoadPdf("HtmlToPDF.pdf");

// Perform OCR on the loaded PDF using the IronTesseract engine
var ocrResult = ocrTesseract.Read(ocrInput);

// Print the extracted text to the console
Console.WriteLine(ocrResult.Text);

// Create an IronTesseract object for Optical Character Recognition (OCR)
var ocrTesseract = new IronTesseract();

// Create an OcrInput object to specify the input for OCR processing
using var ocrInput = new OcrInput();

// Load the PDF document for text extraction
ocrInput.LoadPdf("HtmlToPDF.pdf");

// Perform OCR on the loaded PDF using the IronTesseract engine
var ocrResult = ocrTesseract.Read(ocrInput);

// Print the extracted text to the console
Console.WriteLine(ocrResult.Text);

テキストのより詳細な分析については、ここにあるすぐに使用できるコード例のページをご覧ください。

出力 - PDFテキスト

出力は、高速、正確、エラーフリーを物語っており、 IronOCR の効率性を裏付けています。