快捷導航

C#代碼實現(xiàn)從PDF中提取表格并另存為Excel文件

更新時間：2026年02月25日 08:23:54 作者：2501_93070778

這篇文章主要為大家詳細介紹了如何使用?Spire.Office?for?.NET將?PDF?中的表格提取并導出為?Excel?文件,文中的示例代碼講解詳細,感興趣的小伙伴可以了解下

將 PDF 中的表格提取并轉(zhuǎn)換為 Excel 格式具有諸多優(yōu)勢，例如可以在更靈活、更加熟悉的環(huán)境中對數(shù)據(jù)進行編輯、分析和可視化處理。這對于需要處理大量表格數(shù)據(jù)的研究人員、數(shù)據(jù)分析師以及各類專業(yè)人士來說尤為重要。

本文將介紹如何使用 Spire.Office for .NET，通過 C# 和 VB.NET 將 PDF 中的表格提取并導出為 Excel 文件。

安裝 Spire.Office for .NET

首先，需要在 .NET 項目中引用 Spire.Office for .NET 包中的 Spire.Pdf.dll 和 Spire.Xls.dll。

其中：

Spire.PDF 用于從 PDF 表格中提取數(shù)據(jù)；
Spire.XLS 用于根據(jù)提取到的數(shù)據(jù)生成 Excel 文檔。

你可以通過官網(wǎng)下載對應(yīng)的 DLL 文件后手動添加引用，也可以直接通過 NuGet 進行安裝，更加便捷高效。

PM> Install-Package Spire.Office

在 C#、VB.NET 中提取 PDF 文件中的表格并另存為Excel文件

Spire.PDF for .NET 提供了 PdfTableExtractor.ExtractTable(int pageIndex) 方法，用于從可搜索的 PDF 指定頁面中提取表格。
通過 PdfTable.GetText(int rowIndex, int columnIndex) 方法，可以獲取表格中指定單元格的文本內(nèi)容。隨后，借助 Spire.XLS for .NET 提供的 Worksheet.Range[row, column].Value 屬性，即可將這些數(shù)據(jù)寫入 Excel 工作表。

具體操作步驟如下：

創(chuàng)建 PdfDocument 類的實例。
使用 PdfDocument.LoadFromFile() 方法加載示例 PDF 文件。
調(diào)用 PdfTableExtractor.ExtractTable() 方法，從指定頁面提取表格。
使用 PdfTable.GetText() 方法獲取表格中指定單元格的文本內(nèi)容。
創(chuàng)建 Workbook 對象。
通過 Worksheet.Range.Value 屬性，將從 PDF 獲取的單元格數(shù)據(jù)寫入工作表。
使用 Workbook.SaveToFile() 方法，將工作簿保存為 Excel 文件。

下面的代碼示例演示了如何提取 PDF 文檔中的所有表格，并將每個表格分別寫入同一個工作簿中的獨立工作表。

示例代碼：

using Spire.Pdf;
using Spire.Pdf.Utilities;
using Spire.Xls;

namespace ExtractTablesToExcel
{
    class Program
    {
        static void Main(string[] args)
        {
            // 創(chuàng)建 PdfDocument 對象
            PdfDocument doc = new PdfDocument();

            // 加載示例 PDF 文件
            doc.LoadFromFile(@"C:\Users\Administrator\Desktop\table.pdf");

            // 創(chuàng)建 Workbook 對象
            Workbook workbook = new Workbook();

            // 清除默認的工作表
            workbook.Worksheets.Clear();

            // 初始化 PdfTableExtractor 類的實例
            PdfTableExtractor extractor = new PdfTableExtractor(doc);

            // 聲明 PdfTable 數(shù)組
            PdfTable[] tableList = null;

            int sheetNumber = 1;

            // 遍歷 PDF 的每一頁
            for (int pageIndex = 0; pageIndex < doc.Pages.Count; pageIndex++)
            {
                // 從指定頁面提取表格
                tableList = extractor.ExtractTable(pageIndex);

                // 判斷表格列表是否為空
                if (tableList != null && tableList.Length > 0)
                {
                    // 遍歷當前頁面中的每一個表格
                    foreach (PdfTable table in tableList)
                    {
                        // 添加一個新的工作表
                        Worksheet sheet = workbook.Worksheets.Add(
                            String.Format("sheet{0}", sheetNumber)
                        );

                        // 獲取當前表格的行數(shù)和列數(shù)
                        int row = table.GetRowCount();
                        int column = table.GetColumnCount();

                        // 遍歷表格的行和列
                        for (int i = 0; i < row; i++)
                        {
                            for (int j = 0; j < column; j++)
                            {
                                // 獲取指定單元格的文本內(nèi)容
                                string text = table.GetText(i, j);

                                // 將文本寫入 Excel 指定單元格
                                sheet.Range[i + 1, j + 1].Value = text;
                            }
                        }

                        sheetNumber++;
                    }
                }
            }

            // 保存為 Excel 文件
            workbook.SaveToFile("ToExcel.xlsx", ExcelVersion.Version2013);
        }
    }
}

方法補充

C#提取PDF文件中的表格并轉(zhuǎn)換為Excel和CSV表格

完整代碼示例：

using System.Text;
using Spire.Pdf;
using Spire.Pdf.Utilities;
using Spire.Xls;

namespace ExtractTablesToExcel
{
    class Program
    {
        static void Main(string[] args)
        {
            // 創(chuàng)建 PdfDocument 對象并加載示例PDF文件
            PdfDocument doc = new PdfDocument();
            doc.LoadFromFile("示例.pdf");

            // 創(chuàng)建 Workbook 對象并清除默認工作表
            Workbook workbook = new Workbook();
            workbook.Worksheets.Clear();

            // 初始化 PdfTableExtractor 類的實例
            PdfTableExtractor extractor = new PdfTableExtractor(doc);

            // 聲明 PdfTable 數(shù)組
            PdfTable[]? tableList = null;

            int sheetNumber = 1;

            // 循環(huán)遍歷頁面
            for (int pageIndex = 0; pageIndex < doc.Pages.Count; pageIndex++)
            {
                // 從特定頁面提取表格
                tableList = extractor.ExtractTable(pageIndex);

                // 判斷表格列表是否為空
                if (tableList != null && tableList.Length > 0)
                {
                    // 遍歷列表中的表格
                    foreach (PdfTable table in tableList)
                    {
                        // 添加工作表
                        Worksheet sheet = workbook.Worksheets.Add(string.Format("Table_{0}", sheetNumber));

                        // 獲取特定表格的行數(shù)和列數(shù)
                        int row = table.GetRowCount();
                        int column = table.GetColumnCount();

                        // 循環(huán)遍歷行和列
                        for (int i = 0; i < row; i++)
                        {
                            for (int j = 0; j < column; j++)
                            {
                                // 從特定單元格獲取文本
                                string text = table.GetText(i, j);

                                // 將文本寫入指定單元格
                                sheet.Range[i + 1, j + 1].Value = text;
                            }
                        }
                        sheet.SaveToFile("output/表格/CSV表格.csv", ",", Encoding.UTF8);
                        sheetNumber++;
                    }
                }
            }

            // 保存為Excel工作簿
            workbook.SaveToFile("output/表格/Excel表格.xlsx", ExcelVersion.Version2013);
            doc.Close();
            workbook.Dispose();
        }
    }
}

C# 提取 PDF 中的表格

如果你需要快速預覽表格數(shù)據(jù)（例如，開發(fā)調(diào)試或驗證提取結(jié)果），可以直接通過控制臺實時輸出結(jié)果，無需生成額外文件，節(jié)省開發(fā)時間。

從 PDF 表格中提取數(shù)據(jù)的關(guān)鍵方法：

PdfDocument：表示一個 PDF 文件。
LoadFromFile：加載要處理的 PDF 文件。
PdfTableExtractor：基于視覺線索檢測 PDF 中的表格。
ExtractTable(pageIndex)：提取指定頁碼的所有表格，返回 PdfTable 數(shù)組。
GetRowCount()/GetColumnCount()：檢索每個表格的行數(shù)和列數(shù)。
GetText(rowIndex, columnIndex)：從指定單元格中提取文本。

using Spire.Pdf;
using Spire.Pdf.Utilities;

namespace ExtractPdfTable
{
    class Program
    {
        static void Main(string[] args)
        {
            // 創(chuàng)建PdfDocument對象
            PdfDocument pdf = new PdfDocument();

            // 加載PDF文件
            pdf.LoadFromFile("表格.pdf");

            // 初始化PdfTableExtractor類的實例
            PdfTableExtractor extractor = new PdfTableExtractor(pdf);


            // 循環(huán)遍歷頁面
            for (int pageIndex = 0; pageIndex < pdf.Pages.Count; pageIndex++)
            {
                // 從特定頁面提取表格
                PdfTable[] tableList = extractor.ExtractTable(pageIndex);

                // 判斷表格列表是否為空
                if (tableList != null && tableList.Length > 0)
                {
                    int tableNumber = 1;
                    // 循環(huán)遍歷列表中的表格
                    foreach (PdfTable table in tableList)
                    {
                        Console.WriteLine($"\n第 {pageIndex + 1} 頁的第 {tableNumber} 個表格：");
                        Console.WriteLine("-----------------------------------");

                        // 獲取特定表格的行數(shù)和列數(shù)
                        int row = table.GetRowCount();
                        int column = table.GetColumnCount();

                        // 循環(huán)遍歷行和列
                        for (int i = 0; i < row; i++)
                        {
                            for (int j = 0; j < column; j++)
                            {
                                // 從特定單元格獲取文本
                                string text = table.GetText(i, j);

                                // 將單元格文本打印到控制臺并帶有分隔符
                                Console.Write($"{text}\t");
                            }
                            // 每行后換行
                            Console.WriteLine();
                        }
                        tableNumber++;
                    }
                }
            }

            // 關(guān)閉文檔
            pdf.Close();
        }
    }
}

C# 將 PDF 表格導出為 CSV

CSV（逗號分隔值）是表格數(shù)據(jù)的行業(yè)標準，與 Excel、Google Sheets 和數(shù)據(jù)庫兼容。此方法通過引用單元格和處理特殊字符，將提取的表格格式化為有效的 CSV 文件。

提取 PDF 表格到 CSV 的主要特點：

StreamWriter：增量寫入數(shù)據(jù)到 CSV 文件，減少大型 PDF 文件的內(nèi)存占用。
特殊字符處理：按 CSV 標準轉(zhuǎn)義單元格中的逗號和雙引號，避免列錯位。
工具兼容：生成的 CSV 可直接用 Excel 打開，無需手動調(diào)整格式，減少后續(xù)操作成本。
編碼兼容：UTF-8 編碼確保中文、特殊符號在 Excel 中正常顯示（避免打開時亂碼）。

using Spire.Pdf;
using Spire.Pdf.Utilities;
using System.Text;

namespace ExtractTableToCsv
{
    class Program
    {
        static void Main(string[] args)
        {
            // 創(chuàng)建PdfDocument對象
            PdfDocument pdf = new PdfDocument();

            // 加載PDF文件
            pdf.LoadFromFile("表格.pdf");

            // 創(chuàng)建StreamWriter對象以高效寫入CSV
            using (StreamWriter csvWriter = new StreamWriter("PDF表格.csv", false, Encoding.UTF8))
            {
                // 創(chuàng)建PdfTableExtractor對象
                PdfTableExtractor extractor = new PdfTableExtractor(pdf);

                // 循環(huán)遍歷頁面
                for (int pageIndex = 0; pageIndex < pdf.Pages.Count; pageIndex++)
                {
                    // 從特定頁面提取表格
                    PdfTable[] tableList = extractor.ExtractTable(pageIndex);

                    // 判斷表格列表是否為空
                    if (tableList != null && tableList.Length > 0)
                    {
                        // 循環(huán)遍歷列表中的表格
                        foreach (PdfTable table in tableList)
                        {
                            // 獲取特定表格的行數(shù)和列數(shù)
                            int row = table.GetRowCount();
                            int column = table.GetColumnCount();

                            // 循環(huán)遍歷行
                            for (int i = 0; i < row; i++)
                            {
                                // 創(chuàng)建列表存儲數(shù)據(jù)
                                List<string> rowData = new List<string>();
                                // 循環(huán)遍歷列
                                for (int j = 0; j < column; j++)
                                {
                                    // 從表格單元格檢索文本
                                    string cellText = table.GetText(i, j).Replace("\"", "\"\"");
                                    // 將單元格文本添加到列表并用雙引號括起來
                                    rowData.Add($"\"{cellText}\"");
                                }
                                // 用逗號連接單元格并寫入CSV
                                csvWriter.WriteLine(string.Join(",", rowData));
                            }
                        }
                    }
                }
            }
        }
    }
}

到此這篇關(guān)于C#代碼實現(xiàn)從PDF中提取表格并另存為Excel文件的文章就介紹到這了,更多相關(guān)C#提取PDF表格并存為Excel內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: