C# 提取PDF中的表格詳情
1、簡單介紹
本文介紹在C#
程序中(附VB.NET代碼)提取PDF
中的表格的方法,調用Spire.PDF for .NET
提供的提取表格的 類 以及 方法 等來獲取表格單元格中的文本內容;代碼內容中涉及到的主要類及方法歸納如下表,供參考:
類型 |
描述 |
PdfDocument Class |
Represents a pdf document model. |
PdfDocument.LoadFromFile(string filename) Method |
Loads a PDF document. |
PdfTableExtractor Class |
Represents the PDF table extractor. |
PdfTable Class |
Defines a PDF table. |
PdfTableExtractor. ExtractTable(int pageIndex) Method |
Extracts table from page. |
PdfTable.GetText(int rowIndex,int columnIndex) Method |
Gets Text in cell. |
File.WriteAllText() Method |
Saves extracted text in table to a .txt file. |
2、環境配置
- Visual Studio 2017
- .net framework 4.6.1
- PDF測試文檔
- 庫:Spire.PDF for .NET 7.10.4
引用dll文件的2種方法:
方法1 :通過 NuGet
安裝。
【步驟】
鼠標右鍵點擊“引用”,“管理NuGet程序包”,
點擊“瀏覽”,在搜索框中輸入,點擊“安裝”,
或者使用PM控制臺安裝:
PM>Install-Package Spire.PDF -Version 7.10.4
方法2 :手動添加引用。
【步驟】
鼠標右鍵點擊“引用”,“添加引用”,
點擊“瀏覽”,“瀏覽”,將本地路徑下的dll文件(需提前 下載 到本地,並解壓)添加到引用列表
點擊OK,完成引用:
代碼示例
C#
using Spire.Pdf;
using Spire.Pdf.Utilities;
using System.IO;
using System.Text;
namespace ExtractTable
{
class Program
{
static void Main(string[] args)
{
//加載PDF文檔
PdfDocument pdf = new PdfDocument();
pdf.LoadFromFile(“sample.pdf”);
StringBuilder builder = new StringBuilder();
//抽取表格
PdfTableExtractor extractor = new PdfTableExtractor(pdf);
PdfTable[] tableLists = null;
for (int pageIndex = 0; pageIndex < pdf.Pages.Count; pageIndex++)
{
tableLists = extractor.ExtractTable(pageIndex);
if (tableLists != null && tableLists.Length > 0)
{
foreach (PdfTable table in tableLists)
{
int row = table.GetRowCount();
int column = table.GetColumnCount();
for (int i = 0; i < row; i++)
{
for (int j = 0; j < column; j++)
{
string text = table.GetText(i, j);
builder.Append(text + ” “);
}
builder.Append(“\r\n”);
}
}
}
}
//保存提取的表格內容到txt文檔
File.WriteAllText(“ExtractedTable.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())
‘加載PDF文檔
Dim pdf As New PdfDocument()
pdf.LoadFromFile(“sample.pdf”)
Dim builder As New StringBuilder()
‘抽取表格
Dim extractor As New PdfTableExtractor(pdf)
Dim tableLists As PdfTable() = Nothing
For pageIndex As Integer = 0 To pdf.Pages.Count – 1
tableLists = extractor.ExtractTable(pageIndex)
If tableLists IsNot Nothing AndAlso tableLists.Length > 0 Then
For Each table As PdfTable In tableLists
Dim row As Integer = table.GetRowCount()
Dim column As Integer = table.GetColumnCount()
For i As Integer = 0 To row – 1
For j As Integer = 0 To column – 1
Dim text As String = table.GetText(i, j)
builder.Append(text & Convert.ToString(” “))
Next
builder.Append(vbCr & vbLf)
Next
Next
End If
Next
‘保存提取的表格內容到txt文檔
File.WriteAllText(“ExtractedTable.txt”, builder.ToString())
End Sub
End Class
End Namespace
表格內容提取結果:
其他註意事項:
代碼中的PDF文件以及生成的.txt文件路徑為 F:\VS2017Project\ExtractTable\bin\Debug\sample.pdf 和 F:\VS2017Project\ ExtractTable\bin\Debug\ExtractedTable.txt。文件路徑也可以自定義為其他路徑。
註意使用的dll文件版本。低於7.10.4的其他版本不支持提取表格。
推薦閱讀:
- C#實現從PDF中提取表格的方法詳解
- Java讀取PDF中的表格的方法示例
- 利用C#/VB.NET實現將PDF轉為Word
- C#和vb.net實現PDF 添加可視化和不可見數字簽名
- C# .NET實現掃描識別圖片中的文字