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(diào)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(nèi)容;代碼內(nèi)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(huán)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(biāo)右鍵點(diǎn)擊“引用”,“管理NuGet程序包”,
點(diǎn)擊“瀏覽”,在搜索框中輸入,點(diǎn)擊“安裝”,
或者使用PM控制臺(tái)安裝:
PM>Install-Package Spire.PDF -Version 7.10.4
方法2 :手動(dòng)添加引用。
【步驟】
鼠標(biāo)右鍵點(diǎn)擊“引用”,“添加引用”,
點(diǎn)擊“瀏覽”,“瀏覽”,將本地路徑下的dll文件(需提前 下載 到本地,并解壓)添加到引用列表
點(diǎn)擊OK,完成引用:
3、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(nèi)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(nèi)容到txt文檔 File.WriteAllText("ExtractedTable.txt", builder.ToString()) End Sub End Class End Namespace
表格內(nèi)容提取結(jié)果:
其他注意事項(xiàng):
- 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。 - 注意使用的dll文件版本。低于7.10.4的其他版本不支持提取表格。
到此這篇關(guān)于C# 提取PDF中的表格詳情的文章就介紹到這了,更多相關(guān)C# 提取PDF中的表格內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
C#開發(fā)Winform實(shí)現(xiàn)窗體間相互傳值
這篇文章介紹了C#開發(fā)Winform實(shí)現(xiàn)窗體間相互傳值的方法,文中通過示例代碼介紹的非常詳細(xì)。對大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2022-03-03C# JavaScriptSerializer序列化時(shí)的時(shí)間處理詳解
這篇文章主要為大家詳細(xì)介紹了C# JavaScriptSerializer序列化時(shí)的時(shí)間處理詳解,具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下2017-08-08C#設(shè)置WinForm中DataGrid列的方法(列寬/列標(biāo)題等)
這篇文章主要介紹了C#設(shè)置WinForm中DataGrid列的方法,包括列寬、列標(biāo)題等部分,并分析了其中相關(guān)的操作技巧,具有一定參考借鑒價(jià)值,需要的朋友可以參考下2015-07-07