PDF处理控件Aspose.PDF功能演示：使用 C# 以编程方式从 PDF 表格中提取数据

在各种情况下，PDF用于生成数据以表格形式显示的发票。在这种情况下，您可能需要解析 PDF 以编程方式从表中读取数据。为此，本文介绍了如何使用 C# 从 PDF 表中提取数据。

PDF已成为众多领域中使用最广泛的文档格式之一。在各种情况下，它用于生成数据以表格形式显示的发票。在这种情况下，可能需要解析 PDF 以编程方式从表中读取数据。为此，本文介绍了如何使用 C# 从 PDF 表中提取数据。

• 在 C# 中从 PDF 表格中提取数据
• 从页面的特定区域提取表格

为了从 PDF 文件中的表格中提取数据，我们将使用

在 C# 中从 PDF 表格中提取数据

以下是使用 C# 从 PDF 表格中提取数据的步骤。

• 使用Document类加载 PDF 文档。
• 使用Document.Pages集合循环浏览 PDF 中的页面。
• 在每次迭代中，初始化TableAbsorber对象并使用TableAbsorber.Visit(Page)方法访问所选页面。
• 在嵌套循环中，遍历TableAbsorber.TableList集合中的表列表。
• 对于每个AbsorbedTable集合，在迭代通过行的集合AbsorbedTable.RowList。
• 对于每个AbsorbedRow收集，迭代通过在细胞收集AbsorbedRow.CellList。
• 最后，遍历TextFragments每个集合AbsorbedCell和打印文本。

以下代码示例展示了如何在 C# 中从 PDF 表格中提取文本。

// Load source PDF documentAspose.Pdf.Document pdfDocument = new Aspose.Pdf.Document("sample.pdf"); // Loop through the pages              foreach (var page in pdfDocument.Pages){// Create a table absorber and visit the pageAspose.Pdf.Text.TableAbsorber absorber = new Aspose.Pdf.Text.TableAbsorber();absorber.Visit(page);// Loop through each absorbed tableforeach (AbsorbedTable table in absorber.TableList){Console.WriteLine("Table");// Loop through each row in the tableforeach (AbsorbedRow row in table.RowList){// Loop through each cell in the rowforeach (AbsorbedCell cell in row.CellList){  // Loop through the text fragmentsforeach (TextFragment fragment in cell.TextFragments){var sb = new StringBuilder();foreach (TextSegment seg in fragment.Segments)sb.Append(seg.Text);Console.Write($"{sb.ToString()}|");}                   }Console.WriteLine();}}}

从页面的特定区域提取表格

以下是使用 C# 从 PDF 页面的特定部分提取表格的步骤。

• 使用Document类加载 PDF 文档。
• 从Document.Pages集合中选择所需的页面。
• 提取页面的 Square 注释。
• 初始化TableAbsorber对象并使用TableAbsorber.Visit(Page)方法访问页面。
• 在嵌套循环中，遍历TableAbsorber.TableList集合中的表列表。
• 如果该表在该区域中，则执行以下步骤。
  • 通过迭代行的集合AbsorbedTable.RowList。
  • 对于每个AbsorbedRow收集，迭代通过在细胞收集AbsorbedRow.CellList。
  • 最后，遍历TextFragments每个集合AbsorbedCell和打印文本。

以下代码示例展示了如何从 PDF 页面的特定区域提取表格。

// Load source PDF documentAspose.Pdf.Document pdfDocument = new Aspose.Pdf.Document("sample.pdf"); // Select the page and extract its square annotationvar page = pdfDocument.Pages[1];var squareAnnotation =page.Annotations.FirstOrDefault(ann => ann.AnnotationType == Annotations.AnnotationType.Square)as Annotations.SquareAnnotation;// Create table absorber and visit the pageAspose.Pdf.Text.TableAbsorber absorber = new Aspose.Pdf.Text.TableAbsorber();absorber.Visit(page);// Loop through each absorbed table in the listforeach (AbsorbedTable table in absorber.TableList){var isInRegion = (squareAnnotation.Rect.LLX < table.Rectangle.LLX) && (squareAnnotation.Rect.LLY < table.Rectangle.LLY) && (squareAnnotation.Rect.URX > table.Rectangle.URX) &&(squareAnnotation.Rect.URY > table.Rectangle.URY);if (isInRegion){// Loop through each row of the tableforeach (AbsorbedRow row in table.RowList){// Loop through each cell in the rowforeach (AbsorbedCell cell in row.CellList){// Loop through the text fragments and print the textforeach (TextFragment fragment in cell.TextFragments){var sb = new StringBuilder();foreach (TextSegment seg in fragment.Segments){sb.Append(seg.Text);}var text = sb.ToString();Console.Write($"{text}|");}}Console.WriteLine();}}}

如果你想试用Aspose的全部完整功能，可联系在线客服获取30天临时授权体验。

还想要更多吗可以点击阅读【Aspose最新资源在线文库】，查找需要的教程资源。如果您有任何疑问或需求，请随时加入Aspose技术交流群（），我们很高兴为您提供查询和咨询。
标签：

来源：慧都