從PDF中的嵌套表中提取數據

我有幾個從word或excel文件創建的pdf文件。從PDF中的嵌套表中提取數據
我需要得到表中的信息。
文檔中的文本不是圖像，所以我可以使用諸如pdfbox之類的工具提取文本。
當我有文本時，我無法知道它所屬表中的單元格，因爲我不知道表格邊界在哪裏。
Iv'e嘗試了幾個桌面工具，如abby或固體pdf轉換器，他們能夠將文件轉換成漂亮的word文檔，但這不適合我的需要，因爲我希望能夠這樣做programatticly在C＃中。
一些表格有嵌套表，我認爲這使得這一點更diffucult。

我感謝你的幫助

2010-08-20 pooky

您可以從http://sourceforge.net/projects/pdftohtml/files/下載pdftohtml並使用-xml開關，查看xml輸出是否爲您提供了更好的佈局表格。源代碼在C中可用，並且可以與一些工作接口。或者只需調用帶有進程調用的.exe文件即可。 – 2010-08-20 06:18:13

這個解決方案根本不適用於我。謝謝 – pooky 2010-08-23 11:28:03

[如何使用itextsharp從PDF讀取表格]？（https://stackoverflow.com/questions/15679958/how-to-read-table-from-pdf-using-itextsharp） – bubi 2017-07-04 12:22:10

這裏的難點是，在PDF文本中不包含任何表內造成的事實。它可能看起來像是，但在表面之下，事實並非如此。

因此，我可以考慮幾個選項。但是他們都不會像你想要的那樣令人滿意。

有一些公司提供用於PDF到Excel/Word轉換的SDK。 Investintech和Iceni就是一些例子。但這些解決方案不是免費的。
如果您知道需要從中提取表格數據的PDF文件的確切佈局，那麼您可以使用任何SDK讓您從PDF中提取文本，並告訴您所提取文本的確切座標。使用這種方法，您需要事先知道文本的位置，以便您可以從頁面上的特定區域提取文本。如果你需要處理任何隨機文件，它顯然不會工作。

這是一項艱鉅的任務，但希望這會給你一個出發點。

來源

2010-08-20 12:19:54 Rowan

謝謝你的迴應 1.你提到的程序沒有給出好的結果。我不介意使用不是免費的解決方案，但我必須確保它可以正常工作。100％我試着玩弄使用座標的解決方案，但我不明白我可以在不知道邊界座標的情況下使用此解決方案。表格中文本的位置發生更改（嵌套表格，單元格中的多重線條） – pooky 2010-08-23 11:27:23

從PDF中的嵌套表中提取數據

回答

相關問題