使用IRONPDF

如何在C#中读取PDF表格

更新 2024年三月3日

用 C# 从 PDF 文件中提取数据是一项相当大的挑战。数据可以是文本、图像、图表、图形、表格等形式。有时，业务分析人员需要提取数据以进行数据分析，并根据分析结果做出决策。 IronPDF C# PDF 库**是从 PDF 文件中提取数据的绝佳解决方案。

本文将演示如何使用 IronPDF 库用 C# 从 PDF 文档中提取表格数据。

如何在C#中读取PDF表格

安装 C# 库读取 PDF 表格
利用 将Html渲染为Pdf 方法从 HTML 字符串渲染 PDF 文档
使用 提取所有文本 方法从 PDF 中读取表格数据
输出并查看提取的数据
使用 C# 将提取的数据保存为 CSV 文件格式

IronPDF - C# PDF 库

IronPDF 是用于在 .NET 中生成 PDF 的 C# .NET 库解决方案该译文可帮助开发人员在其软件应用程序中轻松阅读、创建和编辑 PDF 文档。其 Chromium 引擎可准确、快速地渲染 PDF 文档。它允许开发人员从不同格式无缝转换为 PDF，反之亦然。它支持最新的 .NET 7 Framework 以及 .NET Framework 6、5、4、.NET Core 和 Standard。

此外，IronPDF .NET API 还能让开发人员轻松操作和编辑 PDF、添加页眉和页脚，以及从 PDF 中提取文本、图像和表格。

一些重要功能包括

加载和创建 PDF 文件(HTML 转 PDF, 图像到 PDF)
保存和打印 PDF 文件
合并和拆分 PDF 文件
提取数据 (文本、图片、表格)从 PDF 文件

使用 IronPDF 库在 C# 中提取表数据的步骤

要从 PDF 文档中提取表格数据，我们需要在本地计算机系统中安装以下组件：

Visual Studio - Visual Studio 2022 是用于 C# 开发的官方集成开发环境，必须安装在计算机上。请从Visual Studio 网站.
创建项目 - 创建一个用于提取数据的控制台应用程序。请按照以下步骤创建项目：
- 打开 Visual Studio 2022，然后点击创建新项目按钮
  Visual Studio 的开始屏幕
- 接下来，选择 C# 控制台应用程序并点击下一步
  在 Visual Studio 中创建一个新的控制台应用程序
- 接下来，键入项目名称"ReadPDFTable "，然后单击下一步
  配置新创建的应用程序
- 为您的项目选择".NET Framework 6 长期支持"。
  选择一个 .NET Framework
- 单击创建按钮，将创建控制台项目。现在，我们可以通过编程从 PDF 文档中提取表格数据了。
Install IronPDF - IronPDF 库有 3 种不同的安装方法。它们如下
- 使用 Visual Studio。 Visual Studio 包含 NuGet 软件包管理器，可帮助在 C# 应用程序中安装所有 NuGet 软件包。
  - 单击顶部菜单中的工具，或
  - 右键单击解决方案资源管理器中的项目
    工具与管理 NuGet 软件包
  - 打开 NuGet 包管理器后，浏览 IronPDF 并点击安装，如下图所示：
    工具与管理 NuGet 软件包
- 直接下载 NuGet 包。 另一种下载和安装 IronPDF 的简便方法是访问其NuGet 软件包页面.
- Download IronPDF .DLL Library. IronPDF 也可从以下网址下载IronPDF 官方网站. 请记住，您必须在项目中引用 .DLL 才能使用它。

使用表格数据创建 PDF 文档

在创建任何内容之前，需要将 IronPDF 命名空间添加到文件中，并设置许可密钥以使用 IronPDF 库中的 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#

在这里，将从一个包含表格的 HTML 字符串创建一个 PDF 文档，然后使用 IronPdf 提取这些数据。 HTML 保存在一个字符串变量中，代码如下：

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#

接下来是ChromePdfRenderer该工具用于从 HTML 字符串创建 PDF。代码如下

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#

"(《世界人权宣言》)保存为方法将保存PDFDocument翻译对象为名为 "table_example.pdf "的 PDF 文件。保存的文件如下所示：

如何在 C# 中读取 PDF 表，图 7：在 NuGet 软件包管理器用户界面中搜索 IronPDF

在 NuGet 软件包管理器用户界面中搜索 IronPdf。

使用 IronPDF 从 PDF 文档中提取表格数据

要从 PDF 表格中提取数据，请使用 PdfDocument 对象打开文档，然后使用提取所有文本检索数据以便进一步分析的方法。下面的代码演示了如何完成这项任务：

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#

上述代码使用 "ExtractAllText "方法分析整个 PDF 文档，并将提取的数据（包括表格数据）以字符串变量的形式返回。然后，变量的值可以显示或存储在文件中，以供日后使用。以下代码可在屏幕上显示：

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# 中读取 PDF 表，图 8：提取 PDF 文件中的文本

提取文本的 PDF 文件

从提取的文本内容中提取表格数据

C# 提供了一个 String.Split 方法，有助于根据分隔符分割字符串。以下代码将帮助您将输出限制为表格数据。

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#

这个简单的代码示例有助于从提取的文本中仅提取表格单元格数据。首先，文本行被拆分并保存在字符串数组中。然后，对每个数组元素进行迭代，跳过末尾带有句号". "的元素。在大多数情况下，从提取的数据中只检索表格数据，但也可能检索其他行。输出结果如下

如何在 C# 中读取 PDF 表格，图 9：控制台显示提取的文本

控制台显示提取的文本

从上面的截图中可以看出，Console.WriteLine 方法输出中保留了表格数据格式和逻辑结构。关于如何使用 IronPDF 从 PDF 文档中提取数据，您可以在此找到更多详细信息用 C# 从 PDF 中提取数据的代码示例.

输出结果还可以保存为 CSV 文件，稍后可以对其进行格式化和编辑，以便进行更多的数据分析。代码如下

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#

输出结果将保存为 CSV 文件，其中每个 textItem 为一列。

摘要

本文演示了如何使用 IronPDF 从 PDF 文档中提取数据和表格。 IronPDF 为从 PDF 文件中提取文本提供了多个有用的选项。它提供了从页面提取文本该方法允许从特定页面提取数据。 IronPDF 还便于将不同格式转换为 PDF，如标记符文件或DOCX 文件以及从 PDF 到不同格式的翻译。这样，开发人员就可以轻松地将 PDF 功能集成到应用程序开发过程中。此外，它不需要使用 Adobe Acrobat Reader 来查看和编辑 PDF 文档。

IronPDF 在开发期间是免费的，可用于商业用途需要获得许可。它提供了用于测试 IronPDF 的免费试用许可证测试库的全部功能。您可以在此链接上找到更多详细信息。

< 前一页
如何将二维码转换为PDF

下一步 >
PDF查看器C# Windows应用程序（教程）