首頁 > 軟體

C#實現從PDF中提取表格的方法詳解

2022-08-02 14:03:32

PDF是辦公中比較常見的一種檔案格式,在工作中應用也越來越普遍。由於PDF檔案整合度和安全可靠性都較高,所以在PDF中編輯內容是一件比較複雜且困難的事。但有時因工作需要,要求我們從中提取資料或表格該怎麼辦呢?別擔心,今天為大家介紹一種通過C#/VB.NET程式碼從PDF中提取表格內容的方法。下面是我整理的思路步驟及程式碼供大家參考。

程式環境

本次測試時,在程式中引入 Spire.PDF.dll 檔案。

方法1:

將 ​ ​Free Spire.PDF for .NET​​ 下載到本地,解壓,找到 BIN 資料夾下的 Spire.PDF.dll。然後在 Visual Studio 中開啟“解決方案資源管理器”,滑鼠右鍵點選“參照”,“新增參照”,將本地路徑 BIN 資料夾下的 dll 檔案新增參照至程式。

方法2:

通過NuGet​​安裝。可通過以下 2 種方法安裝:

1. 可以在 Visual Studio 中開啟“解決方案資源管理器”,滑鼠右鍵點選“參照”,“管理 NuGet 包”,然後搜尋“Free Spire.PDF”,點選“安裝”。等待程式安裝完成。

2. 將以下內容複製到 PM 控制檯安裝。

Install-Package FreeSpire.PDF -Version 8.6.0

從PDF中提取表格具體步驟

範例化PdfDocument類的物件並呼叫PdfDocument.LoadFromFile()方法載入檔案。

通過 PdfTableExtractor.ExtractTable(int pageIndex) 方法提取指定頁面中的表格。

通過 PdfTable.GetText(int rowIndex, int columnIndex) 方法將獲取具體行和列中的單元格文字內容。

將獲取的表格內容儲存為TXT檔案。

完整程式碼

C#

using Spire.Pdf;
using Spire.Pdf.Utilities;
using System.IO;
using System.Text;

namespace ExtractTable
{
    class Program
    {
        static void Main(string[] args)
        {
            //範例化PdfDocument類的物件
            PdfDocument pdf = new PdfDocument();

            //載入PDF檔案
            pdf.LoadFromFile("程式語言1.pdf");

            //建立StringBuilder類的物件
            StringBuilder builder = new StringBuilder();

            //範例化PdfTableExtractor類的物件
            PdfTableExtractor extractor = new PdfTableExtractor(pdf);

            //宣告PdfTable類的表格陣列
            PdfTable[] tableLists;

            //遍歷PDF頁面
            for (int pageIndex = 0; pageIndex < pdf.Pages.Count; pageIndex++)
            {
                //從頁面提取表格
                tableLists = extractor.ExtractTable(pageIndex);

                //判斷表格列表是否為空
                if (tableLists != null && tableLists.Length > 0)
                {
                    //遍歷表格
                    foreach (PdfTable table in tableLists)
                    {
                        //獲取表格中的行和列數
                        int row = table.GetRowCount();
                        int column = table.GetColumnCount();

                        //遍歷表格行和列 
                        for (int i = 0; i < row; i++)
                        {
                            for (int j = 0; j < column; j++)
                            {
                                //獲取行和列中的文字
                                string text = table.GetText(i, j);

                                //寫入文字到StringBuilder容器
                                builder.Append(text + " ");
                            }
                            builder.Append("rn");
                        }
                    }
                }
            }

            //儲存提取的表格內容為txt檔案
            File.WriteAllText("提取表格.txt", builder.ToString());
        }
    }
}

VB.NET

Imports Spire.Pdf
Imports Spire.Pdf.Utilities
Imports System.IO
Imports System.Text

Namespace ExtractTable
  Class Program
    Private Shared Sub Main(args As String())
      '範例化PdfDocument類的物件
      Dim pdf As New PdfDocument()

      '載入PDF檔案
      pdf.LoadFromFile("程式語言1.pdf")

      '建立StringBuilder類的物件
      Dim builder As New StringBuilder()

      '範例化PdfTableExtractor類的物件
      Dim extractor As New PdfTableExtractor(pdf)

      '宣告PdfTable類的表格陣列
      Dim tableLists As PdfTable()

      '遍歷PDF頁面
      For pageIndex As Integer = 0 To pdf.Pages.Count - 1
        '從頁面提取表格
        tableLists = extractor.ExtractTable(pageIndex)

        '判斷表格列表是否為空
        If tableLists IsNot Nothing AndAlso tableLists.Length > 0 Then
          '遍歷表格
          For Each table As PdfTable In tableLists
            '獲取表格中的行和列數
            Dim row As Integer = table.GetRowCount()
            Dim column As Integer = table.GetColumnCount()

            '遍歷表格行和列 
            For i As Integer = 0 To row - 1
              For j As Integer = 0 To column - 1
                '獲取行和列中的文字
                Dim text As String = table.GetText(i, j)

                '寫入文字到StringBuilder容器
                builder.Append(text & Convert.ToString(" "))
              Next
              builder.Append(vbCr & vbLf)
            Next
          Next
        End If
      Next

      '儲存提取的表格內容為txt檔案
      File.WriteAllText("提取表格.txt", builder.ToString())
    End Sub
  End Class
End Namespace

效果圖

注意:

測試程式碼中的檔案路徑為程式 Debug 路徑,僅供參考,檔案路徑可自定義為其他路徑。

到此這篇關於C#實現從PDF中提取表格的方法詳解的文章就介紹到這了,更多相關C# PDF提取表格內容請搜尋it145.com以前的文章或繼續瀏覽下面的相關文章希望大家以後多多支援it145.com!


IT145.com E-mail:sddin#qq.com