PDF已成為眾多領(lǐng)域中使用最廣泛的文檔格式之一。在各種情況下，它用于生成數(shù)據(jù)以表格形式顯示的發(fā)票。在這種情況下，可能需要解析 PDF 以編程方式從表中讀取數(shù)據(jù)。為此，本文介紹了如何使用 C# 從 PDF 表中提取數(shù)據(jù)。

• 在 C# 中從 PDF 表格中提取數(shù)據(jù)
• 從頁面的特定區(qū)域提取表格

為了從 PDF 文件中的表格中提取數(shù)據(jù)，我們將使用Aspose.PDF for .NET，它是一個(gè)強(qiáng)大的 API，提供了廣泛的 PDF 操作功能。點(diǎn)擊下方按鈕可下載試用。

點(diǎn)擊下載最新版Aspose.PDF for .NET

在 C# 中從 PDF 表格中提取數(shù)據(jù)

以下是使用 C# 從 PDF 表格中提取數(shù)據(jù)的步驟。

• 使用Document類加載 PDF 文檔。
• 使用Document.Pages集合循環(huán)瀏覽 PDF 中的頁面。
• 在每次迭代中，初始化TableAbsorber對(duì)象并使用TableAbsorber.Visit(Page)方法訪問所選頁面。
• 在嵌套循環(huán)中，遍歷TableAbsorber.TableList集合中的表列表。
• 對(duì)于每個(gè)AbsorbedTable集合，在迭代通過行的集合AbsorbedTable.RowList。
• 對(duì)于每個(gè)AbsorbedRow收集，迭代通過在細(xì)胞收集AbsorbedRow.CellList。
• 最后，遍歷TextFragments每個(gè)集合AbsorbedCell和打印文本。

以下代碼示例展示了如何在 C# 中從 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();
		}
	}
}

從頁面的特定區(qū)域提取表格

以下是使用 C# 從 PDF 頁面的特定部分提取表格的步驟。

• 使用Document類加載 PDF 文檔。
• 從Document.Pages集合中選擇所需的頁面。
• 提取頁面的 Square 注釋。
• 初始化TableAbsorber對(duì)象并使用TableAbsorber.Visit(Page)方法訪問頁面。
• 在嵌套循環(huán)中，遍歷TableAbsorber.TableList集合中的表列表。
• 如果該表在該區(qū)域中，則執(zhí)行以下步驟。
  • 通過迭代行的集合AbsorbedTable.RowList。
  • 對(duì)于每個(gè)AbsorbedRow收集，迭代通過在細(xì)胞收集AbsorbedRow.CellList。
  • 最后，遍歷TextFragments每個(gè)集合AbsorbedCell和打印文本。

以下代碼示例展示了如何從 PDF 頁面的特定區(qū)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();
		}
	}
}

如果你想試用Aspose的全部完整功能，可聯(lián)系在線客服獲取30天臨時(shí)授權(quán)體驗(yàn)。