如何使用 C# 将 HTML 转换为 PDF 和法律行业的 OCR 文档

要将库集成到您的.NET项目中：

• 在您的Visual Studio C#控制台应用程序中，右键点击解决方案资源管理器中的项目，选择"为解决方案管理NuGet包"。

IronZIP

1. 在NuGet包管理器窗口中，搜索"IronZip"。

   

2. 从搜索结果中选择"IronZip"并点击"安装"按钮。

3. NuGet将自动下载并添加必要的依赖项到您的项目中。

IronPDF

1. 在NuGet包管理器窗口中，搜索"IronPDF"。

   

2. 从搜索结果中选择"IronPDF"并点击"安装"按钮。

IronOCR

1. 在NuGet包管理器窗口中，搜索"IronOCR"。

   

2. 从搜索结果中选择"IronOCR"并点击"安装"按钮。

首先，我们将利用IronZIP的直观API从zip档案中提取HTML文件。通过简单的方法调用，我们可以高效地提取必要的文件以继续转换过程。

// 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");

欲了解更多IronZIP库的信息，请访问此文档页面。

输出 - 提取的HTML文件

其次，我们将利用IronPDF的强大功能来轻松将所有提取的HTML文件转换为单个PDF文档。 凭借其简单的API，我们可以在我们的C#代码中轻松生成高质量的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");

// 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不仅提供从HTML文件、HTML表单、HTML字符串或URL到PDF的转换，还提供从其他格式到PDF的转换。 欲了解更多详细信息和可用的示例代码片段，请访问此文档和代码示例页面。

输出 - PDF

输出PDF清楚地显示了使用IronPDF强大的Chromium HTML转换引擎在每个PDF页面上展示每个HTML页面内容。

除此之外，您还可以使用IronPrint for .NET - C#打印库来打印生成的PDF文件。IronPrint高效地将PDF或图像发送到默认打印机进行打印。

有关如何使用IronPrint打印文档的更多信息，请访问此文档页面。

最后，雇用IronOCR从生成的PDF文档中提取可搜索的文本。 通过利用IronOCR的高级文本提取功能，我们可以确保提取的文本准确并为进一步处理做好准备。

以下代码片段从IronPDF生成的PDF文件中成功执行OCR以进行进一步分析：

// 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);

要获取有关文本的更详细分析，请访问此处的随时可用代码示例页。

输出 - PDF文本

输出本身就证明了：快速、准确且零误差，验证了IronOCR的效率。