如何在.NET中從PDF中提取資料

開始使用 IronPDF

通過NuGet Package Manager安裝IronPDF只需幾秒鐘。 打開您的包管理控制台，運行：

Install-Package IronPdf

安裝完成後，您可以立即開始處理輸入的PDF文件。 這是一個展示IronPDF API簡單性的.NET簡單示例：

using IronPdf;
// Load any PDF document
var pdf = PdfDocument.FromFile("document.pdf");
// Extract all text with one line
string allText = pdf.ExtractAllText();
Console.WriteLine(allText);

using IronPdf;
// Load any PDF document
var pdf = PdfDocument.FromFile("document.pdf");
// Extract all text with one line
string allText = pdf.ExtractAllText();
Console.WriteLine(allText);

IRON VB CONVERTER ERROR developers@ironsoftware.com

此代碼加載PDF並提取每一個文本位。 IronPDF自動處理復雜的PDF結構、表單數據和其他常見庫可能出現問題的編碼。 從PDF文檔提取的數據可以保存為文本文件或進一步處理以進行分析。

實用提示：您可以將提取的文本保存為.txt文件以供後續處理，或者解析以填充資料庫、Excel表或知識庫。 此方法適用於報告、合同或任何需要快速獲取原始文本的PDF。

從PDF文檔中提取數據

現實世界的應用通常需要精確的數據提取。 IronPDF提供多種方法以從PDF中的特定頁面中提取有價值的資訊。 在這個例子中，我們將使用以下PDF：

以下代碼將從此PDF中的特定頁面提取數據並將結果返回到我們的控制台。

using IronPdf;
using System;
// Load any PDF document
var pdf = PdfDocument.FromFile("AnnualReport2024.pdf");
// Extract from selected pages
int[] pagesToExtract = { 0, 2, 4 }; // Pages 1, 3, and 5
foreach (var pageIndex in pagesToExtract)
{
    string pageText = pdf.ExtractTextFromPage(pageIndex);
    // Split on 2 or more spaces (tables often flatten into space-separated values)
    var tokens = Regex.Split(pageText, @"\s{2,}");
    foreach (string token in tokens)
    {
        // Match totals, invoice headers, and invoice rows
        if (token.Contains("Invoice") || token.Contains("Total") || token.StartsWith("INV-"))
        {
            Console.WriteLine($"Important: {token.Trim()}");
        }
    }
}

using IronPdf;
using System;
// Load any PDF document
var pdf = PdfDocument.FromFile("AnnualReport2024.pdf");
// Extract from selected pages
int[] pagesToExtract = { 0, 2, 4 }; // Pages 1, 3, and 5
foreach (var pageIndex in pagesToExtract)
{
    string pageText = pdf.ExtractTextFromPage(pageIndex);
    // Split on 2 or more spaces (tables often flatten into space-separated values)
    var tokens = Regex.Split(pageText, @"\s{2,}");
    foreach (string token in tokens)
    {
        // Match totals, invoice headers, and invoice rows
        if (token.Contains("Invoice") || token.Contains("Total") || token.StartsWith("INV-"))
        {
            Console.WriteLine($"Important: {token.Trim()}");
        }
    }
}

IRON VB CONVERTER ERROR developers@ironsoftware.com

此示例展示如何從PDF文檔中提取文本，搜索關鍵信息，並准備將其存儲到數據文件或知識庫中。 ExtractTextFromPage()方法保持了文檔的閱讀順序，這使其非常適合文檔分析和內容索引任務。

從PDF文檔中提取表格數據

PDF文件中的表格並不是原生結構； 而是簡單的文本放置在某種方式上看起來像表格。 IronPDF提取表格數據時保持佈局，以便您可以將其處理成Excel或文本文件。 在這個例子中，我們將使用此PDF：

using IronPdf;
using System.Text;
using System.Text.RegularExpressions;
var pdf = PdfDocument.FromFile("example.pdf");
string rawText = pdf.ExtractAllText();
// Split into lines for processing
string[] lines = rawText.Split('\n');
var csvBuilder = new StringBuilder();
foreach (string line in lines)
{
    if (string.IsNullOrWhiteSpace(line) || line.Contains("Page"))
        continue;
    string[] rawCells = Regex.Split(line.Trim(), @"\s+");
    string[] cells;
    // If the line starts with "Product", combine first two tokens as product name
    if (rawCells[0].StartsWith("Product") && rawCells.Length >= 5)
    {
        cells = new string[rawCells.Length - 1];
        cells[0] = rawCells[0] + " " + rawCells[1]; // Combine Product + letter
        Array.Copy(rawCells, 2, cells, 1, rawCells.Length - 2);
    }
    else
    {
        cells = rawCells;
    }
    // Keep header or table rows
    bool isTableOrHeader = cells.Length >= 2
                           && (cells[0].StartsWith("Item") || cells[0].StartsWith("Product")
                               || Regex.IsMatch(cells[0], @"^INV-\d+"));
    if (isTableOrHeader)
    {
        Console.WriteLine($"Row: {string.Join("|", cells)}");
        string csvRow = string.Join(",", cells).Trim();
        csvBuilder.AppendLine(csvRow);
    }
}
// Save as CSV for Excel import
File.WriteAllText("extracted_table.csv", csvBuilder.ToString());
Console.WriteLine("Table data exported to CSV");

using IronPdf;
using System.Text;
using System.Text.RegularExpressions;
var pdf = PdfDocument.FromFile("example.pdf");
string rawText = pdf.ExtractAllText();
// Split into lines for processing
string[] lines = rawText.Split('\n');
var csvBuilder = new StringBuilder();
foreach (string line in lines)
{
    if (string.IsNullOrWhiteSpace(line) || line.Contains("Page"))
        continue;
    string[] rawCells = Regex.Split(line.Trim(), @"\s+");
    string[] cells;
    // If the line starts with "Product", combine first two tokens as product name
    if (rawCells[0].StartsWith("Product") && rawCells.Length >= 5)
    {
        cells = new string[rawCells.Length - 1];
        cells[0] = rawCells[0] + " " + rawCells[1]; // Combine Product + letter
        Array.Copy(rawCells, 2, cells, 1, rawCells.Length - 2);
    }
    else
    {
        cells = rawCells;
    }
    // Keep header or table rows
    bool isTableOrHeader = cells.Length >= 2
                           && (cells[0].StartsWith("Item") || cells[0].StartsWith("Product")
                               || Regex.IsMatch(cells[0], @"^INV-\d+"));
    if (isTableOrHeader)
    {
        Console.WriteLine($"Row: {string.Join("|", cells)}");
        string csvRow = string.Join(",", cells).Trim();
        csvBuilder.AppendLine(csvRow);
    }
}
// Save as CSV for Excel import
File.WriteAllText("extracted_table.csv", csvBuilder.ToString());
Console.WriteLine("Table data exported to CSV");

IRON VB CONVERTER ERROR developers@ironsoftware.com

PDF中的表格通常只是文本佈置成網格狀。 這種檢查可以幫助確定某行是否屬於表格行或標題。 通過過濾掉標頭、頁脚和不相關的文本，您可以從PDF中提取乾淨的表格數據，並準備好CSV或Excel。

此工作流程適用於PDF表單、財務文件和報告。 您可隨後將PDF中的數據轉換為xlsx文件，或者將其合併為一個zip文件，包含所有有用數據。 對於具有合併單元格的複雜表格，您可能需要根據列位置調整解析邏輯。

從PDF中提取表單欄位數據

IronPDF還允許提取和修改表單欄位數據：

using IronPdf;
using System.Drawing;
using System.Linq;
var pdf = PdfDocument.FromFile("form_document.pdf");
// Extract form field data
var form = pdf.Form;
foreach (var field in form) // Removed '.Fields' as 'FormFieldCollection' is enumerable
{
    Console.WriteLine($"{field.Name}: {field.Value}");
    // Update form values if needed
    if (field.Name == "customer_name")
    {
        field.Value = "Updated Value";
    }
}
// Save modified form
pdf.SaveAs("updated_form.pdf");

using IronPdf;
using System.Drawing;
using System.Linq;
var pdf = PdfDocument.FromFile("form_document.pdf");
// Extract form field data
var form = pdf.Form;
foreach (var field in form) // Removed '.Fields' as 'FormFieldCollection' is enumerable
{
    Console.WriteLine($"{field.Name}: {field.Value}");
    // Update form values if needed
    if (field.Name == "customer_name")
    {
        field.Value = "Updated Value";
    }
}
// Save modified form
pdf.SaveAs("updated_form.pdf");

IRON VB CONVERTER ERROR developers@ironsoftware.com

此程式碼片段從PDF中提取表單欄位值並允許您程式化地更新它們。 這使處理PDF表單並提取指定範圍的資訊以供分析或報告生成變得容易。 這對自動化工作流有用，例如客戶入職、調查處理或數據驗證。

下一步

IronPDF使得在.NET中提取PDF數據變得實際且高效。 您可以從多種PDF文件中提取影像、文本、表格、表單欄位，甚至提取附件，包括通常需要額外OCR處理的掃描PDF。

無論您的目標是構建知識庫、自動化報告工作流程，還是從財務PDF中提取數據，這個庫都為您提供了工具，無需手動複製或出錯的解析。 簡單、快速，並可直接整合到Visual Studio專案中。 試一試，您可能會節省大量時間，避免長期與PDF打交道的煩惱。

立即開始使用 IronPDF。

免費啟動

準備在您的應用中實現PDF數據提取了嗎？ IronPDF聽起來像是您的.NET庫嗎？ 開始您的免費試用以商業用途。 訪問我們的文檔以獲取全面的指南和API參考。