沒有找到您要找的內容嗎？
資訊圖標
跳至頁尾內容
  1. IronPDF
  2. IronPDF 部落格
  3. 使用IronPDF
  4. PDF資料提取.NET
使用IRONPDF

如何在 C# 中從 PDF 文件中提取表格資料

Curtis Chau
Curtis Chau
已更新:

如何在.NET中提取PDF中的資料

IronPDF使在.NET中從PDF文件中提取文字、表格、表格欄位和附件變得簡單，只需幾行程式碼，非常適合自動化發票處理、建立知識庫或生成報告而無需複雜的解析。

PDF文件在商業中隨處可見; 現代的例子包括發票、報告、合同和手冊。 但要從中以程式化的方式獲得重要資訊可能很棘手。 PDF注重的是外觀，而不是資料的存取方式。

對於.NET開發人員，IronPDF是一個強大的.NET PDF程式庫，可讓您輕鬆從PDF文件中提取資料。 您可以直接從PDF文件中提取文字、表格、表單欄位、圖像和附件。 無論您是在自動化發票處理、構建知識庫，還是生成報告，這個程式庫可以節省大量時間。

本指南將通過實際範例，逐步指導您如何提取文字內容、表格資料和表單欄位的值，並在每個程式碼片段後提供解釋，以便您將其應用於自己的項目。

我該如何開始使用IronPDF?

為什麼安裝如此迅速？

通過NuGet包管理器安裝IronPDF只需幾秒鐘。 打開包管理控制台並運行：

Install-Package IronPdf

對於Windows開發人員來說，安裝非常簡便。 如果您要部署在Linux或macOS上，IronPDF也支持這些平臺。 您甚至可以在Docker中運行IronPDF，或部署到Azure和AWS。

提取文字的最簡單方法是什麼？

安裝完成後，您可以立刻開始處理PDF文件。 這是一個簡單的.NET範例，展示了IronPDF的API的簡單性：

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);
Imports IronPdf

' Load any PDF document
Dim pdf = PdfDocument.FromFile("document.pdf")
' Extract all text with one line
Dim allText As String = pdf.ExtractAllText()
Console.WriteLine(allText)
$vbLabelText   $csharpLabel

此程式碼載入PDF並提取每一段文字。 IronPDF自動處理複雜的PDF結構、表單資料和通常會因為其他程式庫而導致問題的編碼。 從PDF文件中提取的資料可以保存到文字文件或進一步處理以供分析。

實用提示：您可以將提取的文字保存到.txt文件中以便稍後處理，或解析它來填充資料庫、Excel工作表或知識庫。 這種方法對於報告、合同或任何您只需要快速獲得原始文字的PDF文件特別有效。 如需要更高級的提取場景，請查看全面的解析指南。

我如何從特定的PDF頁面中提取資料？

為什麼要針對特定頁面而不是提取所有內容？

現實世界中的應用程式通常需要精確的資料提取。 IronPDF提供多種方法來從特定頁面中獲取有價值的資訊。 在此範例中，我們將使用以下PDF：

using IronPdf;
// Load PDF from a memory stream if needed
byte[] pdfBytes = File.ReadAllBytes("report.pdf");
var pdfFromStream = PdfDocument.FromBytes(pdfBytes);
// Or load from a URL
var pdfFromUrl = PdfDocument.FromUrl("___PROTECTED_URL_32___");
using IronPdf;
// Load PDF from a memory stream if needed
byte[] pdfBytes = File.ReadAllBytes("report.pdf");
var pdfFromStream = PdfDocument.FromBytes(pdfBytes);
// Or load from a URL
var pdfFromUrl = PdfDocument.FromUrl("___PROTECTED_URL_32___");
Imports IronPdf
' Load PDF from a memory stream if needed
Dim pdfBytes As Byte() = File.ReadAllBytes("report.pdf")
Dim pdfFromStream As PdfDocument = PdfDocument.FromBytes(pdfBytes)
' Or load from a URL
Dim pdfFromUrl As PdfDocument = PdfDocument.FromUrl("___PROTECTED_URL_32___")
$vbLabelText   $csharpLabel

如何在提取的文字中搜尋關鍵資訊？

以下程式碼從特定頁面中提取資料並將結果返回到控制台。 此技術特別適用於處理多頁PDF或您需要分割PDF以進行處理時：

using IronPdf;
using System;
using System.Text.RegularExpressions;

// 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;
using System.Text.RegularExpressions;

// 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()}");
        }
    }
}
Imports IronPdf
Imports System
Imports System.Text.RegularExpressions

' Load any PDF document
Dim pdf = PdfDocument.FromFile("AnnualReport2024.pdf")
' Extract from selected pages
Dim pagesToExtract As Integer() = {0, 2, 4} ' Pages 1, 3, and 5
For Each pageIndex In pagesToExtract
    Dim pageText As String = pdf.ExtractTextFromPage(pageIndex)
    ' Split on 2 or more spaces (tables often flatten into space-separated values)
    Dim tokens = Regex.Split(pageText, "\s{2,}")
    For Each token As String In tokens
        ' Match totals, invoice headers, and invoice rows
        If token.Contains("Invoice") OrElse token.Contains("Total") OrElse token.StartsWith("INV-") Then
            Console.WriteLine($"Important: {token.Trim()}")
        End If
    Next
Next
$vbLabelText   $csharpLabel

此範例顯示如何從PDF文件中提取文字、搜尋關鍵資訊，並準備將其儲存。 ExtractTextFromPage()方法保持了文件的閱讀順序，使其完美適合文件分析和內容索引任務。 對於高級文字處理，您甚至可以在PDF中搜尋和替換文字。

如何從PDF文件中提取表格資料？

為什麼表格提取不同於普通文字？

PDF文件中的表格並沒有原生結構； 它們只是定位得像表格一樣的文字內容。 IronPDF提取表格資料時保留了佈局，因此您可以將其轉換為Excel或文字文件。 涉及PDF中的圖像的較複雜場景，您可能需要單獨提取圖像。

我如何將提取的表格轉換為CSV格式？

using IronPdf;
using System.Text;
using System.Text.RegularExpressions;
using System.IO;

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;
using System.IO;

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");
Imports IronPdf
Imports System.Text
Imports System.Text.RegularExpressions
Imports System.IO

Dim pdf = PdfDocument.FromFile("example.pdf")
Dim rawText As String = pdf.ExtractAllText()
' Split into lines for processing
Dim lines() As String = rawText.Split(ControlChars.Lf)
Dim csvBuilder As New StringBuilder()
For Each line As String In lines
    If String.IsNullOrWhiteSpace(line) OrElse line.Contains("Page") Then
        Continue For
    End If
    Dim rawCells() As String = Regex.Split(line.Trim(), "\s+")
    Dim cells() As String
    ' If the line starts with "Product", combine first two tokens as product name
    If rawCells(0).StartsWith("Product") AndAlso rawCells.Length >= 5 Then
        cells = New String(rawCells.Length - 2) {}
        cells(0) = rawCells(0) & " " & rawCells(1) ' Combine Product + letter
        Array.Copy(rawCells, 2, cells, 1, rawCells.Length - 2)
    Else
        cells = rawCells
    End If
    ' Keep header or table rows
    Dim isTableOrHeader As Boolean = cells.Length >= 2 AndAlso (cells(0).StartsWith("Item") OrElse cells(0).StartsWith("Product") OrElse Regex.IsMatch(cells(0), "^INV-\d+"))
    If isTableOrHeader Then
        Console.WriteLine($"Row: {String.Join("|", cells)}")
        Dim csvRow As String = String.Join(",", cells).Trim()
        csvBuilder.AppendLine(csvRow)
    End If
Next
' Save as CSV for Excel import
File.WriteAllText("extracted_table.csv", csvBuilder.ToString())
Console.WriteLine("Table data exported to CSV")
$vbLabelText   $csharpLabel

提取複雜表格時常見問題是什麼？

PDF中的表格通常只是定位得像網格一樣的文字。 此檢查有助於確定一行是否屬於表行或標頭。 通過過濾掉標頭、頁腳和不相關的文字，您可以從PDF中提取出乾淨的表格資料，準備好用於CSV或Excel。

此工作流程適用於PDF表單、財務文件和報告。 您可以稍後將提取的資料轉換為xlsx文件或將其合併到zip文件中。對於具有合併單元格的複雜表格，您可能需根據欄位位置調整解析邏輯。 當處理掃描過的PDF時，考慮首先使用IronOCR進行文字識別。

顯示提取的產品資料的Excel試算表，其欄包括項目、數量、價格和產品A、B和C的總價值。 從顯示產品資訊的PDF中成功提取表格資料，包括數量、價格和計算出的總額化示。

如何從PDF中提取表單欄位資料？

為什麼要以程式化方式提取和修改表單欄位？

IronPDF同樣支持表單欄位資料提取及修改。 這在處理需要自動處理的可填寫PDF表單時特別有用：

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");
Imports IronPdf
Imports System.Drawing
Imports System.Linq

Dim pdf = PdfDocument.FromFile("form_document.pdf")
' Extract form field data
Dim form = pdf.Form
For Each 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" Then
        field.Value = "Updated Value"
    End If
Next
' Save modified form
pdf.SaveAs("updated_form.pdf")
$vbLabelText   $csharpLabel

對於更高級的表單處理，您還可以處理特定的欄位型別：

// Work with different form field types
foreach (var field in pdf.Form)
{
    switch (field)
    {
        case TextFormField textField:
            Console.WriteLine($"Text field '{field.Name}': {textField.Value}");
            break;
        case CheckBoxFormField checkBox:
            Console.WriteLine($"Checkbox '{field.Name}': {checkBox.Value}");
            checkBox.Value = true; // Check the box
            break;
        case ComboBoxFormField comboBox:
            Console.WriteLine($"ComboBox '{field.Name}': {comboBox.Value}");
            // Set to first available option
            if (comboBox.Choices.Any())
                comboBox.Value = comboBox.Choices.First();
            break;
    }
}
// Work with different form field types
foreach (var field in pdf.Form)
{
    switch (field)
    {
        case TextFormField textField:
            Console.WriteLine($"Text field '{field.Name}': {textField.Value}");
            break;
        case CheckBoxFormField checkBox:
            Console.WriteLine($"Checkbox '{field.Name}': {checkBox.Value}");
            checkBox.Value = true; // Check the box
            break;
        case ComboBoxFormField comboBox:
            Console.WriteLine($"ComboBox '{field.Name}': {comboBox.Value}");
            // Set to first available option
            if (comboBox.Choices.Any())
                comboBox.Value = comboBox.Choices.First();
            break;
    }
}
' Work with different form field types
For Each field In pdf.Form
    Select Case field
        Case textField As TextFormField
            Console.WriteLine($"Text field '{field.Name}': {textField.Value}")
        Case checkBox As CheckBoxFormField
            Console.WriteLine($"Checkbox '{field.Name}': {checkBox.Value}")
            checkBox.Value = True ' Check the box
        Case comboBox As ComboBoxFormField
            Console.WriteLine($"ComboBox '{field.Name}': {comboBox.Value}")
            ' Set to first available option
            If comboBox.Choices.Any() Then
                comboBox.Value = comboBox.Choices.First()
            End If
    End Select
Next
$vbLabelText   $csharpLabel

何時應使用表單欄位提取？

此段程式碼從PDF中提取表單欄位的值，並允許您以程式化方式更新它們。 這使得處理PDF表單和提取特定資訊以進行分析或生成報告變得簡單。 這對於自動化工作流程如客戶入職、調查處理或資料驗證非常有用。

常見使用案例包括：

  • 自動化數位簽名
  • 處理受密碼保護的PDF
  • 為符合PDF/A的規範提取資料
  • 建立自定義工作流程

比較兩個PDF表單的對比-左邊是樣本資料(John Doe)的原始表單，右邊是包含新資料(Updated Value)的更新表單，展示在.NET中的資料提取和修改。 成功使用.NET提取和修改PDF表單資料的前後對比，底部可見的Visual Studio除錯控制臺顯示提取的客戶資訊。

我接下來該怎麼做？

IronPDF使.NET中的PDF資料提取實際且高效。 您可以從各種PDF文件中提取文字、表格、表單欄位、圖像和附件，包括通常需要OCR處理的掃描過的PDF。

無論您的目標是建立知識庫、或自動化報告工作流程，或從財務PDF中提取資料，此程式庫都能為您提供工具完成工作而無需手動複製或易出錯的解析。 它簡單、快速，並能直接整合到Visual Studio項目中。 嘗試一下； 您可能會節省很多時間，並避免處理PDF時常見的麻煩。

對於更高級的場景，您可以探索：

現在開始使用IronPDF。
green arrow pointer

準備在您的應用程式中實施PDF資料提取？ IronPDF聽起來像是為您量身定制的.NET程式庫嗎？ 開始您的免費試用以商業用途。 瀏覽我們的文件以獲取全面的指南和API參考。

常見問題

使用.NET從PDF文件中提取文字的最佳方法是什麼？

使用IronPDF，您可以輕鬆地從.NET應用程式中的PDF文件中提取文字。它提供方法來高效檢索文字資料，確保您可以存取所需的內容。

IronPDF能夠處理掃描的PDF以提取資料嗎？

是的，IronPDF支持OCR（光學字元識別）來處理並從掃描的PDF中提取資料，使得在基於圖像的文件中也能存取文字。

如何使用C#從PDF中提取表格？

IronPDF提供功能來在C#中解析並從PDF文件中提取表格。您可以使用特定的方法來準確地識別和檢索表格資料。

使用IronPDF提取PDF資料的好處是什麼？

IronPDF提供了關於提取PDF資料的綜合解決方案，包括文字檢索、表格解析和OCR處理掃描文件。它可無縫整合到.NET應用程式中，提供可靠且高效的方法來處理PDF資料。

使用IronPDF可以從PDF中提取圖片嗎？

是的，IronPDF允許您從PDF中提取圖片。如果您需要存取和處理嵌入PDF文件中的圖片，這項功能會很有幫助。

IronPDF在提取資料時如何處理複雜的PDF佈局？

IronPDF設計用於管理複雜的PDF佈局，提供強大的工具以便導航和提取資料，確保您能處理具有複雜格式和結構的文件。

我可以在.NET應用程式中自動化PDF資料提取嗎？

當然可以。IronPDF可以整合到.NET應用程式中以自動化PDF資料提取，簡化那些需要定期且一致的資料檢索的過程。

我可以使用哪些程式語言與IronPDF一起進行PDF資料提取？

IronPDF主要與.NET框架中的C#一起使用，提供廣泛的支援和功能供尋求自動化從PDF提取資料的開發者。

IronPDF是否支援從PDF文件中提取元資料？

是的，IronPDF可以從PDF文件中提取元資料，讓您能夠存取如作者、建立日期以及其他文件屬性等資訊。

有哪些可用的範例程式碼可以用於學習IronPDF的PDF資料提取？

開發者指南提供完整的C#教學及工作程式碼範例，助您在.NET應用程式中使用IronPDF掌握PDF資料提取。

IronPDF是否完全相容新的.NET 10版本，這對資料提取有什麼好處？

是的，IronPDF完全與.NET 10相容，支援其所有的性能改進、API和運行時改進，比如降低堆分配、陣列介面虛擬化及增強語言特性。這些改進使C#應用程式中的PDF資料提取流程既快速又高效。

Curtis Chau
Curtis Chau
  立即與工程團隊聊天
技術作家

Curtis Chau擁有Carleton大學的電腦科學學士學位，專精於前端開發，擁有Node.js、TypeScript、JavaScript和React的專業知識。Curtis熱衷於建立直觀且美觀的使用者介面，喜愛使用現代框架並建立結構良好、視覺吸引力的手冊。

除了開發，Curtis對物聯網（IoT）有濃厚的興趣，探索創新的方法來整合硬體和軟體。在空閒時間，他喜歡玩遊戲和建立Discord機器人，結合他對技術的熱愛與創造力。

相關文章

30天試用 → 完整產品。無限制。無需卡片。 開始免費試用

Iron 支援團隊

我們線上24小時，每週5天。
聊天
電子郵件
給我打電話