C# .NET平台提取PDF表格数据，并转换为txt、CSV和Excel表格文件

左手的ㄟ右手 2024-05-01 02:42 70阅读 0赞

处理PDF文件中的内容是比较麻烦的事情，特别是以表格形式呈现的各种数据。为了充分利用这些宝贵的数据资源，我们可以通过程序提取PDF文件中的表格，并将其保存为更易于处理和分析的格式，如txt、csv、xlsx，从而更方便地对表格数据进行处理、分析和可视化，加快工作效率。本文将介绍如何在.NET平台使用C\#代码**提取并保存PDF文件中的表格数据**。

#### 文章目录 ####

*   *  提取PDF文件中的表格并保存为TXT和CSV文件
     *  提取PDF文件中的表格并转换为Excel和CSV表格

本文所使用的方法需要用到免费的[Free Spire.PDF for .NET][]，可从官网下载或通过NuGet安装：

PM> Install-Package FreeSpire.PDF

### 提取PDF文件中的表格并保存为TXT和CSV文件 ###

提取PDF表格数据主要用到的是PdfTableExtractor类，该类下的ExtractTable(int pageIndex)方法可以提取任意页的所有表格数据，并返回表格的集合。在提取到表格数据后，我们就可以将数据稍作处理并写入txt文件了。下面是操作示例：

1.  创建 PdfDocument 对象并再入PDF文件。

PdfDocument doc = new PdfDocument();
    doc.LoadFromFile("示例.pdf");

1.  创建 PdfTableExtractor 对象。

PdfTableExtractor extractor = new PdfTableExtractor(doc);

1.  声明 PdfTable 数组.
2.  遍历文档页面，从页面提取表格。

tableList = extractor.ExtractTable(pageIndex);

1.  判断表格列表是否为空，如果不为空，则使用 PdfTable.GetText(int rowIndex, int columnIndex) 方法在每个表格中获取单元格中的数据并添加到StringBuilder中。
2.  将处理好的数据保存到TXT文件并关闭PDF文件。

**完整代码示例：**

using System.Text;
    using Spire.Pdf;
    using Spire.Pdf.Utilities;
    
    namespace ExtractPdfTable
    {
        
        class Program
        {
        
            static void Main(string[] args)
            {
        
                // 创建PdfDocument对象并加载PDF文件
                PdfDocument doc = new PdfDocument();
                doc.LoadFromFile("示例.pdf");
    
                // 创建 StringBuilder 对象
                StringBuilder builder = new StringBuilder();
    
                // 初始化 PdfTableExtractor 类的实例
                PdfTableExtractor extractor = new PdfTableExtractor(doc);
    
                // 声明 PdfTable 数组
                PdfTable[]? tableList = null;
    
                int tableCount = 1;
    
                // 循环遍历页面
                for (int pageIndex = 0; pageIndex < doc.Pages.Count; pageIndex++)
                {
        
                    // 从特定页面提取表格
                    tableList = extractor.ExtractTable(pageIndex);
    
                    // 判断表格列表是否为空
                    if (tableList != null && tableList.Length > 0)
                    {
        
                        // 遍历列表中的表格
                        foreach (PdfTable table in tableList)
                        {
        
                            // 获取特定表格的行数和列数
                            int row = table.GetRowCount();
                            int column = table.GetColumnCount();
    
                            // 遍历行和列
                            for (int i = 0; i < row; i++)
                            {
        
                                for (int j = 0; j < column; j++)
                                {
        
                                    // 获取特定单元格的文本
                                    string text = table.GetText(i, j);
    
                                    // 将文本添加到 StringBuilder 中并添加制表符
                                    builder.Append(text + "\t");
                                }
                                builder.Append("\r\n");
                            }
    
                            // 写入 .txt 文件
                            File.WriteAllText($"output/TXT表格/TXT表格_{
          tableCount}.txt", builder.ToString());
                            tableCount += 1;
                        }
                    }
                }
                doc.Close();
            }
        }
    }

**PDF文件：**  
![提取PDF表格数据并保存到txt文本文件][PDF_txt]

**保存的TXT文件：**  
![提取PDF表格数据并保存到txt文本文件][PDF_txt 1]

### 提取PDF文件中的表格并转换为Excel和CSV表格 ###

在提取PDF文件中的表格后，我们还可以借助Free Spire.XLS for .NET将提取的表格保存为Excel和CSV表格。[Free Spire.XLS for .NET][]可从官网下载或通过NuGet安装：

PM> Install-Package FreeSpire.XLS

下面是操作示例：

1.  创建 PdfDocument 对象并加载示例PDF文件。

PdfDocument doc = new PdfDocument();
    doc.LoadFromFile("示例.pdf");

1.  创建 Workbook 对象并清除默认工作表。

Workbook workbook = new Workbook();
    workbook.Worksheets.Clear();

1.  初始化 PdfTableExtractor 类的实例。

PdfTableExtractor extractor = new PdfTableExtractor(doc);

1.  声明 PdfTable 数组。
2.  循环遍历PDF页面并提取每页的表格。

tableList = extractor.ExtractTable(pageIndex);

1.  判断表格列表是否为空，如果不为空，则创建Excel工作表，使用 PdfTable.GetText(int rowIndex, int columnIndex) 方法从每个单元格提取数据，并通过 sheet.Range\[int rowIndex + 1, int columnIndex + 1\].Value 属性将数据写入到创建Excel工作表中。
2.  将工作表保存为csv文件。

sheet.SaveToFile("output/表格/CSV表格.csv", ",", Encoding.UTF8);

1.  或保存整个Excel工作簿为xlsx文件。

workbook.SaveToFile("output/表格/Excel表格.xlsx", ExcelVersion.Version2013);

1.  关闭PDF文件和工作簿文件。

**完整代码示例：**

using System.Text;
    using Spire.Pdf;
    using Spire.Pdf.Utilities;
    using Spire.Xls;
    
    namespace ExtractTablesToExcel
    {
        
        class Program
        {
        
            static void Main(string[] args)
            {
        
                // 创建 PdfDocument 对象并加载示例PDF文件
                PdfDocument doc = new PdfDocument();
                doc.LoadFromFile("示例.pdf");
    
                // 创建 Workbook 对象并清除默认工作表
                Workbook workbook = new Workbook();
                workbook.Worksheets.Clear();
    
                // 初始化 PdfTableExtractor 类的实例
                PdfTableExtractor extractor = new PdfTableExtractor(doc);
    
                // 声明 PdfTable 数组
                PdfTable[]? tableList = null;
    
                int sheetNumber = 1;
    
                // 循环遍历页面
                for (int pageIndex = 0; pageIndex < doc.Pages.Count; pageIndex++)
                {
        
                    // 从特定页面提取表格
                    tableList = extractor.ExtractTable(pageIndex);
    
                    // 判断表格列表是否为空
                    if (tableList != null && tableList.Length > 0)
                    {
        
                        // 遍历列表中的表格
                        foreach (PdfTable table in tableList)
                        {
        
                            // 添加工作表
                            Worksheet sheet = workbook.Worksheets.Add(string.Format("Table_{0}", sheetNumber));
    
                            // 获取特定表格的行数和列数
                            int row = table.GetRowCount();
                            int column = table.GetColumnCount();
    
                            // 循环遍历行和列
                            for (int i = 0; i < row; i++)
                            {
        
                                for (int j = 0; j < column; j++)
                                {
        
                                    // 从特定单元格获取文本
                                    string text = table.GetText(i, j);
    
                                    // 将文本写入指定单元格
                                    sheet.Range[i + 1, j + 1].Value = text;
                                }
                            }
                            sheet.SaveToFile("output/表格/CSV表格.csv", ",", Encoding.UTF8);
                            sheetNumber++;
                        }
                    }
                }
    
                // 保存为Excel工作簿
                workbook.SaveToFile("output/表格/Excel表格.xlsx", ExcelVersion.Version2013);
                doc.Close();
                workbook.Dispose();
            }
        }
    }

**输出文件：**  
![提取PDF表格数据并保存为CSV和Excel表格][PDF_CSV_Excel]

本文介绍了如何使用免费的Free Spire.PDF for .NET和Free Spire.XLS for .NET从PDF文件中提取表格数据并保存到TXT文件、CSV文件以及Excel文件的方法。其他更多功能请前往[Spire.PDF for .NET教程][Spire.PDF for .NET]查看。

[Free Spire.PDF for .NET]: https://www.e-iceblue.cn/Introduce/Free-Spire-PDF-NET.html
[PDF_txt]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/01/bf08b916698e46e4933f4f07e0147ed6.png
[PDF_txt 1]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/01/84646c3cc3664ed4b763bd4ced95ae88.png
[Free Spire.XLS for .NET]: https://www.e-iceblue.cn/Introduce/Free-Spire-XLS-NET.html
[PDF_CSV_Excel]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/01/09b2895254244e18a659f823a27a25ea.png
[Spire.PDF for .NET]: https://www.e-iceblue.cn/spirepdfnet/spire-pdf-for-net-program-guide-content.html