使用IRONPDF

如何在C#中读取PDF表格

坎那帕·乌东攀

2023年三月25日

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 Library 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

安装用于读取PDF表格的C#库
使用RenderHtmlAsPdf方法从HTML字符串生成PDF文档
使用ExtractAllText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 是一个 C# .NET 库解决方案，用于在 .NET 中生成 PDF，帮助开发人员在其软件应用程序中轻松读取、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，图像转 PDF）
保存并打印PDF文件
合并和拆分PDF文件。
提取数据（文本，图像，表格）从 PDF 文件中

使用IronPDF库在C#中提取表格数据的步骤

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 是官方的 C# 开发 IDE，必须安装在计算机上。请从Visual Studio 网站下载并安装。
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 的启动界面
- 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，输入您的项目名称“ReadPDFTable”，然后点击下一步。
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，控制台项目将被创建。现在，我们可以通过编程从 PDF 文档中提取表格数据了。
安装 IronPDF - 有三种不同的方法来安装 IronPDF 库。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
工具和管理 NuGet 包
```
- 打开 NuGet 包管理器后，浏览 IronPDF 并点击安装，如下图所示：
```
工具和管理 NuGet 包
- 直接下载 NuGet 包。 另一个轻松下载和安装 IronPDF 的方法是访问其 NuGet 包页面。
- 下载 IronPDF .DLL 库。 也可以从官方 IronPDF 网站下载 IronPDF。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，并设置许可证密钥以使用 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"

$vbLabelText $csharpLabel

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>"

$vbLabelText $csharpLabel

接下来，使用ChromePdfRenderer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")

$vbLabelText $csharpLabel

SaveAs 方法将 PdfDocument 对象保存为名为 "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包管理器UI中搜索IronPDF

在NuGet包管理器UI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，使用 PdfDocument 对象打开文档，然后使用 ExtractAllText 方法检索数据以进行进一步分析。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()

$vbLabelText $csharpLabel

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）返回到一个字符串变量中。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)

$vbLabelText $csharpLabel

如何在 C# 中读取 PDF 表，图 8：要提取文本的 PDF 文件

要提取文本的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，可以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

$vbLabelText $csharpLabel

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

从上面的截图可以看出，表格数据的格式和逻辑结构在Console.WriteLine方法的输出中得到了保留。您可以在此C# 中从 PDF 提取数据的代码示例中找到有关如何使用 IronPDF 从 PDF 文档中提取数据的更多详细信息。

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

$vbLabelText $csharpLabel

输出将保存为一个CSV文件，其中每个textItem将是一个列。

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ExtractTextFromPage方法，可以从特定页面提取数据。 IronPDF 还支持将不同格式转换为 PDF，例如markdown 文件或DOCX 文件，以及从 PDF 转换为不同格式。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。它提供免费的试用许可证来测试IronPDF的完整功能。您可以在此链接上找到更多详细信息。

坎那帕·乌东攀

立即与工程团队聊天

软件工程师

在成为软件工程师之前，Kannapat 从日本北海道大学完成了环境资源博士学位。在攻读学位期间，Kannapat 还成为了生物生产工程系车辆机器人实验室的成员。2022年，他利用自己的 C# 技能加入了 Iron Software 的工程团队，专注于 IronPDF。Kannapat 珍视他的工作，因为他能直接向编写 IronPDF 大部分代码的开发者学习。除了同伴学习，Kannapat 还享受在 Iron Software 工作的社交方面。不写代码或文档时，Kannapat 通常在 PS5 上玩游戏或重看《最后生还者》。

< 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）