使用 IRONPDF

如何在C#中讀取PDF表格

已更新 2024年3月3日

從 PDF 文件中提取數據在 C# 中可能相當具有挑戰性。數據可以是文本、圖像、圖表、圖形、表格等形式。有時，業務分析師需要提取數據以進行數據分析並根據這些結果做出決策。 IronPDF C# PDF Library 是從 PDF 文件中提取數據的絕佳解決方案。

本文將示範如何使用IronPDF庫在C#中從PDF文件中提取表格數據。

如何在C#中讀取PDF表格

安裝 C# 庫以讀取 PDF 表格
利用 將HTML渲染為PDF 從HTML字串渲染PDF文件的方法
使用 提取所有文本 從PDF讀取表格資料的方法
輸出並查看提取的數據
使用 C# 將提取的數據保存為 CSV 文件格式。

IronPDF - C# PDF 程式庫

IronPDF 是一個用於在 .NET 中生成 PDF 的 C# .NET 函式庫解決方案。，幫助開發人員在他們的軟體應用程式中輕鬆讀取、建立和編輯 PDF 文件。其Chromium引擎以準確且高速的方式渲染PDF文件。它允許開發人員在不同格式與 PDF 之間無縫轉換。它支持最新的.NET 7框架，以及.NET Framework 6、5、4、.NET Core和Standard。

此外，IronPDF .NET API 還使開發人員能輕鬆操作和編輯 PDF、添加頁眉和頁腳，以及從 PDF 中提取文本、圖像和表格。

一些重要功能包括

載入及建立 PDF 文件(HTML轉PDF, 圖像轉PDF)
儲存和列印 PDF 文件
-合併和分割 PDF 檔案
-提取資料 (文字，圖片，表格)從 PDF 文件

使用 IronPDF 函式庫在 C# 中提取表格數據的步驟

要從 PDF 文件中提取表格數據，我們需要在本地計算機系統上安裝以下組件：

Visual Studio - Visual Studio 2022 是 C# 開發的官方 IDE，必須安裝在電腦上。請從該處下載並安裝它Visual Studio 網站.
創建項目 - 建立一個用於提取數據的控制台應用程式。按照以下步驟建立專案：
- 打開 Visual Studio 2022，然後點擊 Create a new project 按鈕
Visual Studio 的啟動畫面
- 接下來，選擇 C# 控制台應用程式，然後點擊下一步。
在 Visual Studio 中創建新的主控台應用程式
- 接下來，輸入您的專案名稱 "ReadPDFTable"，然後點擊下一步。
配置新創建的應用程式
- 為您的專案選擇 ".NET Framework 6 長期支援"。
選擇 .NET Framework
- 單擊 Create 按鈕，然後將創建主控台專案。現在，我們已準備好以程式化方式從 PDF 文檔中提取表格數據。
安裝 IronPDF - 有三種不同的方法可以安裝 IronPDF 程式庫。它們如下：
- 使用 Visual Studio。 Visual Studio 包含 NuGet 套件管理器，這有助於在 C# 應用程式中安裝所有 NuGet 套件。
  - 在頂部菜單中點擊工具，或
  - 在解決方案總管中右鍵點擊專案
工具與管理 NuGet 套件
```
- 打開 NuGet 套件管理器後，瀏覽 IronPDF 並點擊安裝，如下所示：

     ![如何在 C# 中讀取 PDF 表格，第 6 圖：工具和管理 NuGet 套件](/static-assets/pdf/blog/csharp-read-pdf-table-tutorial/csharp-read-pdf-table-tutorial-6.webp)
```
工具與管理 NuGet 套件
- 直接下載 NuGet 套件。 另一種下載和安裝 IronPDF 的簡單方法是訪問其NuGet 套件頁面.
- 下載 IronPDF .DLL 函式庫。 IronPDF 也可以從Official IronPDF Website. 請記得在專案中引用該 .DLL 檔以使用它。

建立包含表格資料的 PDF 文件

在創建任何內容之前，需要將 IronPDF 命名空間添加到文件中，並設置許可證金鑰以使用 IronPDF 庫中的 ExtractText 方法。

using IronPdf;

License.LicenseKey = "YOUR-TRIAL/PURCHASED-LICENSE-KEY";

using IronPdf;

License.LicenseKey = "YOUR-TRIAL/PURCHASED-LICENSE-KEY";

Imports IronPdf

License.LicenseKey = "YOUR-TRIAL/PURCHASED-LICENSE-KEY"

VB C#

在這裡，PDF 文件將從包含表格的 HTML 字串中創建，然後使用 IronPDF 提取該數據。 HTML 存儲在字符串變量中，代碼如下：

string HTML = "<html>" +
        "<style>" +
            "table, th, td {" +
                "border:1px solid black;" +
            "}" +
        "</style>" +
        "<body>" +
            "<h1>A Simple table example</h2>" +
            "<table>" +
                "<tr>" +
                    "<th>Company</th>" +
                    "<th>Contact</th>" +
                    "<th>Country</th>" +
                "</tr>" +
                "<tr>" +
                    "<td>Alfreds Futterkiste</td>" +
                    "<td>Maria Anders</td>" +
                    "<td>Germany</td>" +
                "</tr>" +
                "<tr>" +
                    "<td>Centro comercial Moctezuma</td>" +
                    "<td>Francisco Chang</td>" +
                    "<td>Mexico</td>" +
                "</tr>" +
            "</table>" +
            "<p>To understand the example better, we have added borders to the table.</p>" +
        "</body>" +
     "</html>";

string HTML = "<html>" +
        "<style>" +
            "table, th, td {" +
                "border:1px solid black;" +
            "}" +
        "</style>" +
        "<body>" +
            "<h1>A Simple table example</h2>" +
            "<table>" +
                "<tr>" +
                    "<th>Company</th>" +
                    "<th>Contact</th>" +
                    "<th>Country</th>" +
                "</tr>" +
                "<tr>" +
                    "<td>Alfreds Futterkiste</td>" +
                    "<td>Maria Anders</td>" +
                    "<td>Germany</td>" +
                "</tr>" +
                "<tr>" +
                    "<td>Centro comercial Moctezuma</td>" +
                    "<td>Francisco Chang</td>" +
                    "<td>Mexico</td>" +
                "</tr>" +
            "</table>" +
            "<p>To understand the example better, we have added borders to the table.</p>" +
        "</body>" +
     "</html>";

Dim HTML As String = "<html>" & "<style>" & "table, th, td {" & "border:1px solid black;" & "}" & "</style>" & "<body>" & "<h1>A Simple table example</h2>" & "<table>" & "<tr>" & "<th>Company</th>" & "<th>Contact</th>" & "<th>Country</th>" & "</tr>" & "<tr>" & "<td>Alfreds Futterkiste</td>" & "<td>Maria Anders</td>" & "<td>Germany</td>" & "</tr>" & "<tr>" & "<td>Centro comercial Moctezuma</td>" & "<td>Francisco Chang</td>" & "<td>Mexico</td>" & "</tr>" & "</table>" & "<p>To understand the example better, we have added borders to the table.</p>" & "</body>" & "</html>"

VB C#

接下來，該ChromePdfRenderer用於從 HTML 字串創建 PDF。代碼如下：

ChromePdfRenderer renderer = new ChromePdfRenderer();
PdfDocument pdfDocument = renderer.RenderHtmlAsPdf(HTML);
pdfDocument.SaveAs("table_example.pdf");

ChromePdfRenderer renderer = new ChromePdfRenderer();
PdfDocument pdfDocument = renderer.RenderHtmlAsPdf(HTML);
pdfDocument.SaveAs("table_example.pdf");

Dim renderer As New ChromePdfRenderer()
Dim pdfDocument As PdfDocument = renderer.RenderHtmlAsPdf(HTML)
pdfDocument.SaveAs("table_example.pdf")

VB C#

這保存為方法將保存PdfDocument將物件轉換為名為 "table_example.pdf" 的 PDF 檔案。保存的文件如下所示：

如何在 C# 中讀取 PDF 表格，圖 7：在 NuGet 套件管理器 UI 中搜尋 IronPDF

在 NuGet 套件管理器 UI 中搜尋 IronPDF

使用 IronPDF 從 PDF 文件中提取表格數據

若要從 PDF 表格中提取數據，使用 PdfDocument 對象打開文檔，然後使用提取所有文字提取數據以進行進一步分析的方法。以下程式碼展示了如何完成此任務：

PdfDocument pdfDocument = new PdfDocument("table_example.pdf");
string text = pdfDocument.ExtractAllText();

PdfDocument pdfDocument = new PdfDocument("table_example.pdf");
string text = pdfDocument.ExtractAllText();

Dim pdfDocument As New PdfDocument("table_example.pdf")
Dim text As String = pdfDocument.ExtractAllText()

VB C#

上述程式碼使用 ExtractAllText 方法分析整個 PDF 文件，並將提取的數據（包括表格數據）返回至一個字符串變數中。變數的值然後可以顯示出來或儲存在文件中以供日後使用。以下程式碼將其顯示在螢幕上：

Console.WriteLine("The extracted Text is:\n" + text);

Console.WriteLine("The extracted Text is:\n" + text);

Imports Microsoft.VisualBasic

Console.WriteLine("The extracted Text is:" & vbLf & text)

VB C#

如何在 C# 中讀取 PDF 表格，圖 8：要提取文本的 PDF 文件

要提取文字的 PDF 檔案

從擷取的文本內容中提取表格數據

C#提供了一個String.Split方法，可以根據分隔符來分割字串。以下程式碼將幫助您將輸出限制為僅表格數據。

string [] textList = text.Split("\n");
foreach (string textItem in textList)
{
    if (textItem.Contains("."))
    {
        continue;
    }
    else
    {
        Console.WriteLine(textItem);
    }
}

string [] textList = text.Split("\n");
foreach (string textItem in textList)
{
    if (textItem.Contains("."))
    {
        continue;
    }
    else
    {
        Console.WriteLine(textItem);
    }
}

Imports Microsoft.VisualBasic

Dim textList() As String = text.Split(vbLf)
For Each textItem As String In textList
	If textItem.Contains(".") Then
		Continue For
	Else
		Console.WriteLine(textItem)
	End If
Next textItem

VB C#

這個簡單的代碼範例幫助從提取的文本中僅提取表格單元格數據。首先，文本行被分割並儲存在字串陣列中。然後，每個數組元素進行迭代，並跳過那些以句號“.”結束的元素。在大多數情況下，僅從提取的數據中檢索表格數據，儘管它可能也會檢索其他行。輸出如下：

如何在 C# 中讀取 PDF 表格，圖 9：控制台顯示提取的文本

控制台顯示擷取的文本

從上面的截圖可以看出，表格數據格式和邏輯結構在 Console.WriteLine 方法輸出中得到了保留。您可以在此處找到有關如何使用 IronPDF 從 PDF 文檔中提取數據的更多詳情從PDF中提取資料的C#程式碼範例.

輸出也可以保存到 CSV 文件中，稍後可以進行格式化和編輯，以進行更多的數據分析。代碼如下：

using (StreamWriter file = new StreamWriter("table_example.csv", false))
{
    string [] textList = text.Split("\n");
    foreach (string textItem in textList)
    {
        if (textItem.Contains("."))
        {
            continue;
        }
        else
        {
            file.WriteLine(textItem);
        }
    }
}

using (StreamWriter file = new StreamWriter("table_example.csv", false))
{
    string [] textList = text.Split("\n");
    foreach (string textItem in textList)
    {
        if (textItem.Contains("."))
        {
            continue;
        }
        else
        {
            file.WriteLine(textItem);
        }
    }
}

Imports Microsoft.VisualBasic

Using file As New StreamWriter("table_example.csv", False)
	Dim textList() As String = text.Split(vbLf)
	For Each textItem As String In textList
		If textItem.Contains(".") Then
			Continue For
		Else
			file.WriteLine(textItem)
		End If
	Next textItem
End Using

VB C#

輸出將保存為CSV檔案，其中每個textItem將是一列。

摘要

本文演示了如何使用 IronPDF 從 PDF 文件中提取數據和表格。 IronPDF提供多種有用的選項來從PDF文件中提取文字。它提供了提取頁面文字方法，允許從特定頁面提取數據。 IronPDF 還支持將不同格式轉換為 PDF，例如Markdown 檔案或DOCX 文件以及從PDF轉換為不同格式。這使開發人員能夠輕鬆地將 PDF 功能整合到應用程式開發過程中。此外，它不需要 Adobe Acrobat Reader 就能查看和編輯 PDF 文件。

IronPDF 在開發階段免費，可授權用於商業用途。提供了一個IronPDF 測試用免費試用許可證以測試該庫的全部功能。您可以在此連結找到更詳細的資訊。

里根普恩

軟體工程師

LinkedIn

Regan 畢業於雷丁大學，擁有電子工程學士學位。在加入 Iron Software 之前，他的工作角色讓他專注於單一任務；而他在 Iron Software 工作中最喜歡的是他所能承擔的工作範圍，無論是增加銷售價值、技術支持、產品開發或市場營銷。他喜歡了解開發人員如何使用 Iron Software 庫，並利用這些知識不斷改進文檔和開發產品。

< 上一頁
如何將 QR Code 轉換為 PDF

下一個 >
PDF 檢視器 C# Windows 應用程式（教程）