C#/VB.NET中从 PDF 文档中提取所有表格

 更新时间:2022年08月03日 14:11:35   作者:wx62c7d51fdb3c6​​​​​​​  
这篇文章主要介绍了C#/VB.NET中从PDF文档中提取所有表格,文章围绕主题展开详细的内容介绍,具有一定的参考价值,需要的小伙伴可以参考一下

前言

有时,我们可能需要从 PDF 文档中提取表格数据,例如,当PDF发票的表格中存储了一些有用的信息,需要提取数据以进行进一步分析时。在这篇文章中,我将介绍如何使用Spire.PDF for .NET 从 PDF 文档中提取所有表格数据。

安装

首先,我们需要将 Spire.PDF for .NET 包中包含的 DLL 文件添加为 .NET 项目中的引用。可以从此链接下载 DLL 文件,也可以通过 NuGet 安装 DLL 文件。

PM> Install-Package Spire.PDF

从PDF文档中提取表格

Spire.PDF提供了PdfTableExtractor.ExtractTable()方法,用于从特定页面中提取表格。以下是从整个PDF文档中提取表格的详细步骤。

  • 创建一个Document类的对象,并加载源 PDF 文件。
  • 遍历文档中的页面,并使用ExtractTable()方法从特定页面获取表格列表。
  • 遍历特定表格中的单元格,并通过PdfTable.GetText()方法获取单元格值。
  • 将所提取的数据写入 TXT 文件。

[C#]

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

namespace ExtractTable
{
class Program
{
static void Main(string[] args)
{
//实例化PdfDocument类的对象
PdfDocument pdf = new PdfDocument();

//加载PDF文档
pdf.LoadFromFile("sample.pdf");

//创建StringBuilder类的对象
StringBuilder builder = new StringBuilder();

//实例化PdfTableExtractor类的对象
PdfTableExtractor extractor = new PdfTableExtractor(pdf);

//声明一个PdfTable类的表格数组
PdfTable[] tableLists;

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

//判断表格列表是否为空
if (tableLists != null && tableLists.Length > 0)
{
//遍历表格
foreach (PdfTable table in tableLists)
{
//获取表格中的行和列数
int row = table.GetRowCount();
int column = table.GetColumnCount();

//遍历表格行和列
for (int i = 0; i < row; i++)
{
for (int j = 0; j < column; j++)
{
//获取行和列中的文本
string text = table.GetText(i, j);

//写入文本到StringBuilder容器
builder.Append(text + " ");
}
builder.Append("\r\n");
}
}
}
}
//保存提取的表格内容为.txt文档
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())
'实例化PdfDocument类的对象
Dim pdf As New PdfDocument()

'加载PDF文档
pdf.LoadFromFile("sample.pdf")

'创建StringBuilder类的对象
Dim builder As New StringBuilder()

'实例化PdfTableExtractor类的对象
Dim extractor As New PdfTableExtractor(pdf)

'声明一个PdfTable类的表格数组
Dim tableLists As PdfTable()

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

'判断表格列表是否为空
If tableLists IsNot Nothing AndAlso tableLists.Length > 0 Then
'遍历表格
For Each table As PdfTable In tableLists
'获取表格中的行和列数
Dim row As Integer = table.GetRowCount()
Dim column As Integer = table.GetColumnCount()

'遍历表格行和列
For i As Integer = 0 To row - 1
For j As Integer = 0 To column - 1
'获取行和列中的文本
Dim text As String = table.GetText(i, j)

'写入文本到StringBuilder容器
builder.Append(text & Convert.ToString(" "))
Next
builder.Append(vbCr & vbLf)
Next
Next
End If
Next

'保存提取的表格内容为.txt文档
File.WriteAllText("ExtractedTable.txt", builder.ToString())
End Sub
End Class
End Namespace

到此这篇关于C#/VB.NET中从 PDF 文档中提取所有表格的文章就介绍到这了,更多相关C#提取表格内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

相关文章

  • C#中实现线程同步lock关键字的用法详解

    C#中实现线程同步lock关键字的用法详解

    实现线程同步的第一种方式是我们经常使用的lock关键字,它将包围的语句块标记为临界区,这样一次只有一个线程进入临界区并执行代码,接下来通过本文给大家介绍C#中实现线程同步lock关键字的用法详解,一起看看吧
    2016-07-07
  • C#实现对象的序列化和反序列化

    C#实现对象的序列化和反序列化

    这篇文章介绍了C#实现对象序列化和反序列化的方法,文中通过示例代码介绍的非常详细。对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下
    2022-07-07
  • C#实现获取程序路径方法小结

    C#实现获取程序路径方法小结

    这篇文章主要介绍了C#实现获取程序路径方法,实例分析了C#获取文件路径的各种常用技巧,具有一定参考借鉴价值,需要的朋友可以参考下
    2015-08-08
  • 深入C#中get与set的详解

    深入C#中get与set的详解

    本篇文章是对C#中的get与set进行了详细的分析介绍,需要的朋友参考下
    2013-06-06
  • C#实现获取文件夹大小的方法

    C#实现获取文件夹大小的方法

    这篇文章主要介绍了C#实现获取文件夹大小的方法,实例分析了两种获取方法,涉及C#针对文件夹操作的相关技巧,需要的朋友可以参考下
    2015-05-05
  • C#和.NET生成和使用异步流的方法实现

    C#和.NET生成和使用异步流的方法实现

    异步流可以简化异步文件的读取、写入和处理,本文主要介绍了C#和.NET生成和使用异步流的方法实现,具有一定的参考价值,感兴趣的可以了解一下
    2024-03-03
  • C#基于TCP协议的服务器端和客户端通信编程的基础教程

    C#基于TCP协议的服务器端和客户端通信编程的基础教程

    这篇文章主要介绍了C#基于TCP协议的服务器端和客户端通信编程的基础教程,文中讲解了C#中TCP编程主要相关的TcpListener类与TcpClient类用法,需要的朋友可以参考下
    2016-04-04
  • c#如何利用定时器自动备份数据库详解

    c#如何利用定时器自动备份数据库详解

    在开发过程当中,你一定遇到文件损坏活或丢失的烦恼,而每天备份又很麻烦,你只要设置每天备份的时间,并将程序加入启动项中,就可以自动完成备份,这篇文章主要给大家介绍了关于c#如何利用定时器自动备份数据库的相关资料,需要的朋友可以参考下
    2021-10-10
  • C#验证身份证号码正确性的实例代码(收藏)

    C#验证身份证号码正确性的实例代码(收藏)

    这篇文章主要介绍了C#验证身份证号码正确性的实例代码,包括18位号码和15位号码的校验,需要的朋友可以参考下
    2017-07-07
  • mvc C# JavaScript LigerUI oracle实现用户的注册、登陆验证、登陆

    mvc C# JavaScript LigerUI oracle实现用户的注册、登陆验证、登陆

    这篇文章主要介绍了mvc C# JavaScript LigerUI oracle实现用户的注册、登陆验证、登陆的相关资料,文中示例代码介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
    2016-04-04

最新评论