1. IronPDF
  2. IronPDF博客
  3. 使用IronPDF
  4. C# 读取 PDF 表格
使用IRONPDF

如何在C#中读取PDF表格

Chipego
奇佩戈-卡琳达
2023年三月25日
更新 2024年三月3日
分享:

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

  1. 安装用于读取PDF表格的C#库
  2. 使用RenderHtmlAsPdf方法从HTML字符串生成PDF文档
  3. 使用ExtractAllText方法从PDF中读取表格数据
  4. 输出并查看提取的数据
  5. 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

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：

  1. 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。

  2. 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

    如何在C#中读取PDF表格，图1：Visual Studio的启动屏幕

    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

    如何在C#中读取PDF表格，图2：在Visual Studio中创建一个新的控制台应用程序

    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。

    如何用C#读取PDF表格，图3：配置新创建的应用程序

    配置新创建的应用程序

    • 为您的项目选择".NET Framework 6 长期支持"。

    如何在C#中读取PDF表格，第4步：选择.NET Framework

    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。

  3. 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

    如何在 C# 中读取 PDF 表格，图 5：工具和管理 NuGet 包

    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：

    如何在C#中读取PDF表格，图6：工具和管理NuGet包

    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。

Chipego
奇佩戈-卡琳达
  立即与工程团队聊天
软件工程师
Chipego 拥有出色的倾听技巧，这帮助他理解客户问题并提供智能解决方案。他在 2023 年加入 Iron Software 团队，此前他获得了信息技术学士学位。IronPDF 和 IronOCR 是 Chipego 主要专注的两个产品，但他对所有产品的了解每天都在增长，因为他不断找到支持客户的新方法。他喜欢 Iron Software 的合作氛围，公司各地的团队成员贡献他们丰富的经验，以提供有效的创新解决方案。当 Chipego 离开办公桌时，你经常可以发现他在看书或踢足球。
< 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）

报告问题

准备开始了吗？ 版本： 2025.4 刚刚发布

免费开始
NuGet 下载 DLL 下载 Windows 安装程序 开始免费试用
查看许可证 >
Textlogo Iron Suite related to 如何在C#中读取PDF表格

IronPDF 是 IRON 的一部分套装

10 个 .NET API 产品用于您的办公文档

以2个产品的价格获取10个产品   开始免费试用