使用 IRONPDF

如何從 PDF 文件中提取表格數據（使用 C#）

Name: IronPDF
Brand: Iron Software
Availability: InStock
Rating: 4.87 (307 reviews)

奇佩戈·卡林达

2024年10月23日

在許多行業中，PDF 文件是共享結構化文檔（如報告、發票和數據表）的首選格式。然而，由於 PDF 格式的特性，從 PDF 中提取數據，尤其是涉及到表格時，可能會很具挑戰性。與結構化數據格式不同，PDF 主要是為演示而設計的，而不是用於數據提取。

然而，使用IronPDF，一個強大的 C# PDF .NET 函式庫，您可以輕鬆地直接從 PDF 中提取像表格這樣的結構化數據，並在您的 .NET 應用程式中處理它們。本文將逐步引導您如何使用IronPDF從PDF文件中提取表格數據。

何時需要從 PDF 文件中提取表格？

表格是一種方便的結構和顯示數據的方式，無論是進行庫存管理、數據輸入、記錄降雨量等數據。因此，可能也有很多原因需要從PDF文件中提取表格和表格數據。一些最常見的使用案例包括：

自動化資料輸入：從 PDF 報告或發票的表格中提取資料可自動化諸如填充資料庫或電子表格的流程。
數據分析：企業經常收到 PDF 格式的結構化報告。提取表格可讓您以程式化方式分析這些數據。
文件轉換：提取表格數據到更易於訪問的格式，如 Excel 或 CSV，可以更輕鬆地進行操作、存儲和共享。
審計和合規： 對於法律或財務記錄，從 PDF 文件中程式化提取表格數據可以幫助自動化審計並確保合規性。

PDF 表格如何運作？

PDF 檔案格式不具備以表格等結構格式儲存資料的原生功能。我們今天範例中使用的表格是用 HTML 建立的，然後轉換為 PDF 格式。表格以文本和線條的形式呈現，因此提取表格數據通常需要對內容進行一些解析和解讀，除非您使用 OCR 軟體，如IronOCR。

如何從 PDF 檔案中擷取表格資料（C#）

在我們探討IronPDF如何解決此任務之前，我們先來探索一個能夠處理PDF提取的在線工具。要使用在線 PDF 工具從 PDF 文件中提取表格，請按照以下步驟操作：

導航至免費的線上 PDF 提取工具
上傳包含表格的 PDF 文件
查看並下載結果

第一步：前往免費線上PDF提取工具

今天，我們將使用Docsumo作為我們的在線 PDF 工具範例。 Docsumo 是一款線上 PDF 文件 AI，提供免費的 PDF 表格提取工具。

如何從 PDF 文件中提取表格資料：圖 1

第二步：上傳包含表格的 PDF

現在，點擊「上傳文件」按鈕以上傳您的 PDF 文件進行提取。該工具將立即開始處理您的 PDF。

如何從 PDF 文件中提取表格數據：圖 2

步驟三：查看並下載結果

一旦Docsumo處理完PDF，便會顯示提取的表格。然後，您可以對表結構進行調整，例如添加和刪除行。在這裡，您可以將表格下載為 PDF、XLS、JSON 或文字。

如何從 PDF 文件中提取表格數據 (C#)：圖 3

使用 IronPDF 提取表格數據

IronPDF 允許您從 PDF 提取數據、文本和圖形，然後可以用來以程式方式重建表格。為此，您首先需要從 PDF 中提取表格的文本內容，然後使用該文本將表格解析為行和列。在我們開始提取表格之前，讓我們看看 IronPDF 的ExtractAllText()方法如何通過提取表格中的數據來運行：

using IronPDF;
PdfDocument pdf = PdfDocument.FromFile("example.pdf");
string text = pdf.ExtractAllText();
Console.WriteLine(text);

using IronPDF;
PdfDocument pdf = PdfDocument.FromFile("example.pdf");
string text = pdf.ExtractAllText();
Console.WriteLine(text);

Imports IronPDF
Private pdf As PdfDocument = PdfDocument.FromFile("example.pdf")
Private text As String = pdf.ExtractAllText()
Console.WriteLine(text)

$vbLabelText $csharpLabel

如何從 PDF 文件中提取表格數據：圖 4

在此範例中，我們使用PdfDocument類載入了PDF文件，然後使用ExtractAllText()方法提取文件中的所有文本，最後在控制台上顯示文本。

使用 IronPDF 從文本中提取表格數據

從 PDF 中提取文本後，表格將以純文字的一系列行和列顯示。您可以根據換行符（\n）分割此文本，然後透過一致的空格或分隔符（例如逗號或製表符）進一步將行分割為列。以下是一個從文本中解析表格的基本範例：

using IronPdf;
PdfDocument pdf = PdfDocument.FromFile("table.pdf");
string text = pdf.ExtractAllText();
string[] lines = text.Split('\n');
foreach (string line in lines)
{
    string[] columns = line.Split('\t').Where(col => !string.IsNullOrWhiteSpace(col)).ToArray();
    Console.WriteLine("Row: ");
    foreach (string column in columns)
    {
        Console.WriteLine("  " + column);
    }
}

using IronPdf;
PdfDocument pdf = PdfDocument.FromFile("table.pdf");
string text = pdf.ExtractAllText();
string[] lines = text.Split('\n');
foreach (string line in lines)
{
    string[] columns = line.Split('\t').Where(col => !string.IsNullOrWhiteSpace(col)).ToArray();
    Console.WriteLine("Row: ");
    foreach (string column in columns)
    {
        Console.WriteLine("  " + column);
    }
}

Imports Microsoft.VisualBasic
Imports IronPdf
Private pdf As PdfDocument = PdfDocument.FromFile("table.pdf")
Private text As String = pdf.ExtractAllText()
Private lines() As String = text.Split(ControlChars.Lf)
For Each line As String In lines
	Dim columns() As String = line.Split(ControlChars.Tab).Where(Function(col) Not String.IsNullOrWhiteSpace(col)).ToArray()
	Console.WriteLine("Row: ")
	For Each column As String In columns
		Console.WriteLine("  " & column)
	Next column
Next line

$vbLabelText $csharpLabel

如何從 PDF 文件中提取表格數據：圖 5

在此範例中，我們遵循相同的步驟來載入 PDF 文件並提取文本。然後，使用text.Split('\n')，我們將提取的文本根據換行符拆分成行，並將結果存儲在lines數組中。接著使用 foreach 迴圈來遍歷陣列中的行，並使用 line.Split('\t') 進一步將行根據分隔符 '\t'（Tab 字元）分割成欄。 columns 陣列的下一部分，Where(col => !string.IsNullOrWhiteSpace(col)).ToArray() 會過濾掉由於多餘空格而可能產生的空列，然後將列添加到陣列中。

最後，我們透過基本的行列結構將文本寫入控制台輸出窗口。

將提取的表格數據導出為 CSV 文件

現在我們已經介紹了如何從 PDF 文件中提取表格，接下來我們來看看可以用這些提取的數據做什麼。將已匯出的表格導出為 CSV 文件是處理表格數據和自動化任務（例如資料輸入）的一種有用方法。在此示例中，我們填充了一個包含模擬數據的表格，在這種情況下，是一周內的每日降雨量，從 PDF 中提取該表，然後將其導出到 CSV 文件。

class Program
{
    static void Main(string[] args)
    {
        string pdfPath = "table.pdf";
        string csvPath = "output.csv";
        // Extract and parse table data
        var tableData = ExtractTableDataFromPdf(pdfPath);
        // Write the extracted data to a CSV file
        WriteDataToCsv(tableData, csvPath);
        Console.WriteLine($"Data extracted and saved to {csvPath}");
    }
    static List<string[]> ExtractTableDataFromPdf(string pdfPath)
    {
        var pdf = PdfDocument.FromFile(pdfPath);
        var text = pdf.ExtractTextFromPage(0); // Extract text from the first page
        var rows = new List<string[]>();
        // Split text into lines (rows)
        var lines = text.Split('\n');
        // Variable to hold column values temporarily
        var tempColumns = new List<string>();
        foreach (var line in lines)
        {
            var trimmedLine = line.Trim();
            // Check for empty lines or lines that don't contain table data
            if (string.IsNullOrEmpty(trimmedLine) 
 trimmedLine.Contains("Header"))
            {
                continue;
            }
            // Split line into columns. Adjust this based on how columns are separated.
            var columns = trimmedLine.Split(new[] { ' ', '\t' }, StringSplitOptions.RemoveEmptyEntries);
            if (columns.Length > 0)
            {
                // Add columns to temporary list
                tempColumns.AddRange(columns);
                rows.Add(tempColumns.ToArray());
                tempColumns.Clear(); // Clear temporary list after adding to rows
            }
        }
        return rows;
    }
    static void WriteDataToCsv(List<string[]> data, string csvPath)
    {
        using (var writer = new StreamWriter(csvPath))
        {
            foreach (var row in data)
            {
                // Join columns with commas and quote each field to handle commas within data
                var csvRow = string.Join(",", row.Select(field => $"\"{field.Replace("\"", "\"\"")}\""));
                writer.WriteLine(csvRow);
            }
        }
    }
}

class Program
{
    static void Main(string[] args)
    {
        string pdfPath = "table.pdf";
        string csvPath = "output.csv";
        // Extract and parse table data
        var tableData = ExtractTableDataFromPdf(pdfPath);
        // Write the extracted data to a CSV file
        WriteDataToCsv(tableData, csvPath);
        Console.WriteLine($"Data extracted and saved to {csvPath}");
    }
    static List<string[]> ExtractTableDataFromPdf(string pdfPath)
    {
        var pdf = PdfDocument.FromFile(pdfPath);
        var text = pdf.ExtractTextFromPage(0); // Extract text from the first page
        var rows = new List<string[]>();
        // Split text into lines (rows)
        var lines = text.Split('\n');
        // Variable to hold column values temporarily
        var tempColumns = new List<string>();
        foreach (var line in lines)
        {
            var trimmedLine = line.Trim();
            // Check for empty lines or lines that don't contain table data
            if (string.IsNullOrEmpty(trimmedLine) 
 trimmedLine.Contains("Header"))
            {
                continue;
            }
            // Split line into columns. Adjust this based on how columns are separated.
            var columns = trimmedLine.Split(new[] { ' ', '\t' }, StringSplitOptions.RemoveEmptyEntries);
            if (columns.Length > 0)
            {
                // Add columns to temporary list
                tempColumns.AddRange(columns);
                rows.Add(tempColumns.ToArray());
                tempColumns.Clear(); // Clear temporary list after adding to rows
            }
        }
        return rows;
    }
    static void WriteDataToCsv(List<string[]> data, string csvPath)
    {
        using (var writer = new StreamWriter(csvPath))
        {
            foreach (var row in data)
            {
                // Join columns with commas and quote each field to handle commas within data
                var csvRow = string.Join(",", row.Select(field => $"\"{field.Replace("\"", "\"\"")}\""));
                writer.WriteLine(csvRow);
            }
        }
    }
}

Imports Microsoft.VisualBasic

Friend Class Program
	Shared Sub Main(ByVal args() As String)
		Dim pdfPath As String = "table.pdf"
		Dim csvPath As String = "output.csv"
		' Extract and parse table data
		Dim tableData = ExtractTableDataFromPdf(pdfPath)
		' Write the extracted data to a CSV file
		WriteDataToCsv(tableData, csvPath)
		Console.WriteLine($"Data extracted and saved to {csvPath}")
	End Sub
	Private Shared Function ExtractTableDataFromPdf(ByVal pdfPath As String) As List(Of String())
		Dim pdf = PdfDocument.FromFile(pdfPath)
		Dim text = pdf.ExtractTextFromPage(0) ' Extract text from the first page
		Dim rows = New List(Of String())()
		' Split text into lines (rows)
		Dim lines = text.Split(ControlChars.Lf)
		' Variable to hold column values temporarily
		Dim tempColumns = New List(Of String)()
		For Each line In lines
			Dim trimmedLine = line.Trim()
			' Check for empty lines or lines that don't contain table data
			If String.IsNullOrEmpty(trimmedLine) trimmedLine.Contains("Header") Then
				Continue For
			End If
			' Split line into columns. Adjust this based on how columns are separated.
			Dim columns = trimmedLine.Split( { " "c, ControlChars.Tab }, StringSplitOptions.RemoveEmptyEntries)
			If columns.Length > 0 Then
				' Add columns to temporary list
				tempColumns.AddRange(columns)
				rows.Add(tempColumns.ToArray())
				tempColumns.Clear() ' Clear temporary list after adding to rows
			End If
		Next line
		Return rows
	End Function
	Private Shared Sub WriteDataToCsv(ByVal data As List(Of String()), ByVal csvPath As String)
		Using writer = New StreamWriter(csvPath)
			For Each row In data
				' Join columns with commas and quote each field to handle commas within data
				Dim csvRow = String.Join(",", row.Select(Function(field) $"""{field.Replace("""", """""")}"""))
				writer.WriteLine(csvRow)
			Next row
		End Using
	End Sub
End Class

$vbLabelText $csharpLabel

範例 PDF 檔案

如何從 PDF 文件中提取表格數據（使用 C#）：圖 6

輸出 CSV 檔案

如何從 PDF 文件中提取表格數據：圖7

正如您所見，我們已成功將 PDF 表格匯出為 CSV。首先，我們載入了包含表格的 PDF 並創建了一個新的 CSV 文件路徑。在這之後，我們使用var tableData = ExtractTableDataFromPdf(pdfPath)這行來提取表格，其中調用了ExtractTableDataFromPdf()方法。此方法提取包含表格的 PDF 頁面上的所有文本，並將其存儲在text變數中。

然後，我們將文本拆分為行和列。最後，在返回此分割過程的結果後，我們調用方法static void WriteDataToCsv()，該方法將提取並分割的文本使用StreamWriter寫入我們的CSV文件。

提示和最佳實踐

在處理 PDF 表格時，遵循一些基本最佳實踐可以幫助確保最小化遇到任何錯誤或問題的機會。

預處理 PDF：如果可能，預先處理您的 PDF 以確保格式一致，這樣可以簡化提取過程。
驗證數據：務必驗證提取的數據以確保準確性和完整性。
處理錯誤：實施錯誤處理來管理文本提取或解析失敗的情況，例如將您的代碼包裝在 try-catch 塊中。
優化性能：對於大尺寸的PDF，考慮優化文本提取和解析以處理性能問題。

IronPDF 授權

IronPDF 提供不同的許可證，讓您在購買許可證之前親自試用 IronPDF 所提供的所有強大功能。

結論

使用IronPDF從PDF中提取表格是一種自動化數據提取、促進分析和將文件轉換為更易於訪問格式的強大方法。無論是處理簡單表格還是複雜、不規則的格式，IronPDF 提供了高效提取和處理表格數據所需的工具。

使用 IronPDF，您可以簡化工作流程，如自動化資料輸入、文件轉換和資料分析。 IronPDF 提供的靈活性和先進功能使其成為處理各種 PDF 任務的寶貴工具。

奇佩戈·卡林达

立即與工程團隊聊天

軟體工程師

Chipego 擁有天生的傾聽技能，這幫助他理解客戶問題，並提供智能解決方案。他在獲得信息技術理學學士學位後，于 2023 年加入 Iron Software 團隊。IronPDF 和 IronOCR 是 Chipego 專注的兩個產品，但隨著他每天找到新的方法來支持客戶，他對所有產品的了解也在不斷增長。他喜歡在 Iron Software 的協作生活，公司內的團隊成員從各自不同的經歷中共同努力，創造出有效的創新解決方案。當 Chipego 離開辦公桌時，他常常享受讀好書或踢足球的樂趣。

< 上一頁
如何製作 C# PDF 轉換器

下一個 >
如何在 ASP .NET 中使用 C# 將 HTML 轉換為 PDF