logo Aspose.PDF使用教程 我也要发布文档

使用 C# 以编程方式从 PDF 表格中提取数据


PDF已成为众多领域中使用最广泛的文档格式之一。在各种情况下,它用于生成数据以表格形式显示的发票。在这种情况下,可能需要解析 PDF 以编程方式从表中读取数据。为此,本文介绍了如何使用 C# 从 PDF 表中提取数据。

  • 在 C# 中从 PDF 表格中提取数据
  • 从页面的特定区域提取表格


为了从 PDF 文件中的表格中提取数据,我们将使用Aspose.PDF for .NET,它是一个强大的 API,提供了广泛的 PDF 操作功能。点击下方按钮可下载试用。

点击下载最新版Aspose.PDF for .NET

在 C# 中从 PDF 表格中提取数据

以下是使用 C# 从 PDF 表格中提取数据的步骤。

  • 使用Document类加载 PDF 文档。
  • 使用Document.Pages集合循环浏览 PDF 中的页面。
  • 在每次迭代中,初始化TableAbsorber对象并使用TableAbsorber.Visit(Page)方法访问所选页面。
  • 在嵌套循环中,遍历TableAbsorber.TableList集合中的表列表。
  • 对于每个AbsorbedTable集合,在迭代通过行的集合AbsorbedTable.RowList。
  • 对于每个AbsorbedRow收集,迭代通过在细胞收集AbsorbedRow.CellList。
  • 最后,遍历TextFragments每个集合AbsorbedCell和打印文本。

以下代码示例展示了如何在 C# 中从 PDF 表格中提取文本。

// Load source PDF document
Aspose.Pdf.Document pdfDocument = new Aspose.Pdf.Document("sample.pdf"); 

// Loop through the pages                      
foreach (var page in pdfDocument.Pages)
{
	// Create a table absorber and visit the page
	Aspose.Pdf.Text.TableAbsorber absorber = new Aspose.Pdf.Text.TableAbsorber();
	absorber.Visit(page);
	
	// Loop through each absorbed table 
	foreach (AbsorbedTable table in absorber.TableList)
	{
		Console.WriteLine("Table");
		
		// Loop through each row in the table
		foreach (AbsorbedRow row in table.RowList)
		{
			// Loop through each cell in the row
			foreach (AbsorbedCell cell in row.CellList)
			{       
				// Loop through the text fragments
				foreach (TextFragment fragment in cell.TextFragments)
				{
					var sb = new StringBuilder();
					foreach (TextSegment seg in fragment.Segments)
						sb.Append(seg.Text);
					Console.Write($"{sb.ToString()}|");
				}                           
			}
			Console.WriteLine();
		}
	}
}

从页面的特定区域提取表格

以下是使用 C# 从 PDF 页面的特定部分提取表格的步骤。

  • 使用Document类加载 PDF 文档。
  • 从Document.Pages集合中选择所需的页面。
  • 提取页面的 Square 注释。
  • 初始化TableAbsorber对象并使用TableAbsorber.Visit(Page)方法访问页面。
  • 在嵌套循环中,遍历TableAbsorber.TableList集合中的表列表。
  • 如果该表在该区域中,则执行以下步骤。
    • 通过迭代行的集合AbsorbedTable.RowList。
    • 对于每个AbsorbedRow收集,迭代通过在细胞收集AbsorbedRow.CellList。
    • 最后,遍历TextFragments每个集合AbsorbedCell和打印文本。

以下代码示例展示了如何从 PDF 页面的特定区域提取表格。

// Load source PDF document
Aspose.Pdf.Document pdfDocument = new Aspose.Pdf.Document("sample.pdf"); 

// Select the page and extract its square annotation
var page = pdfDocument.Pages[1];
var squareAnnotation =
	page.Annotations.FirstOrDefault(ann => ann.AnnotationType == Annotations.AnnotationType.Square)
	as Annotations.SquareAnnotation;

// Create table absorber and visit the page
Aspose.Pdf.Text.TableAbsorber absorber = new Aspose.Pdf.Text.TableAbsorber();
absorber.Visit(page);

// Loop through each absorbed table in the list 
foreach (AbsorbedTable table in absorber.TableList)
{
	var isInRegion = (squareAnnotation.Rect.LLX < table.Rectangle.LLX) && (squareAnnotation.Rect.LLY < table.Rectangle.LLY) && (squareAnnotation.Rect.URX > table.Rectangle.URX) &&
	(squareAnnotation.Rect.URY > table.Rectangle.URY);

	if (isInRegion)
	{
		// Loop through each row of the table
		foreach (AbsorbedRow row in table.RowList)
		{
			// Loop through each cell in the row
			foreach (AbsorbedCell cell in row.CellList)
			{
				// Loop through the text fragments and print the text
				foreach (TextFragment fragment in cell.TextFragments)
				{
					var sb = new StringBuilder();
					foreach (TextSegment seg in fragment.Segments)
					{
						sb.Append(seg.Text);
					}
					var text = sb.ToString();
					Console.Write($"{text}|");
				}
			}
			Console.WriteLine();
		}
	}
}

如果您有任何疑问或需求,请随时加入Aspose技术交流群(761297826),我们很高兴为您提供查询和咨询。