Estrai tabelle PDF

PDF è diventato uno dei formati di documenti più utilizzati in una moltitudine di campi. In vari casi, viene utilizzato per generare fatture in cui i dati sembrano essere in forma tabellare. In questi casi, potrebbe essere necessario analizzare il PDF per leggere i dati dalle tabelle a livello di codice. A tal fine, l’articolo illustra come estrarre i dati dalle tabelle PDF utilizzando C#.

API C# per estrarre tabelle da PDF

Per estrarre i dati dalle tabelle nei file PDF, utilizzeremo Aspose.PDF for .NET. È una potente API che fornisce un’ampia gamma di funzioni di manipolazione dei PDF. Puoi scaricare l’API o installarla utilizzando NuGet.

PM> Install-Package Aspose.PDF

Estrai dati da tabelle PDF in C#

Di seguito sono riportati i passaggi per estrarre i dati dalle tabelle in un PDF utilizzando C#.

L’esempio di codice seguente mostra come estrarre il testo dalla tabella PDF in C#.

// Carica il documento PDF di origine
Aspose.Pdf.Document pdfDocument = new Aspose.Pdf.Document("sample.pdf"); 

// Scorri le pagine                      
foreach (var page in pdfDocument.Pages)
{
	// Crea un assorbitore di tabelle e visita la pagina
	Aspose.Pdf.Text.TableAbsorber absorber = new Aspose.Pdf.Text.TableAbsorber();
	absorber.Visit(page);
	
	// Passa attraverso ogni tavolo assorbito 
	foreach (AbsorbedTable table in absorber.TableList)
	{
		Console.WriteLine("Table");
		
		// Scorri ogni riga della tabella
		foreach (AbsorbedRow row in table.RowList)
		{
			// Passa attraverso ogni cella nella riga
			foreach (AbsorbedCell cell in row.CellList)
			{       
				// Scorri i frammenti di testo
				foreach (TextFragment fragment in cell.TextFragments)
				{
					var sb = new StringBuilder();
					foreach (TextSegment seg in fragment.Segments)
						sb.Append(seg.Text);
					Console.Write($"{sb.ToString()}|");
				}                           
			}
			Console.WriteLine();
		}
	}
}

Estrai la tabella da un’area specifica della pagina

Di seguito sono riportati i passaggi per estrarre una tabella da una parte specifica della pagina in un PDF utilizzando C#.

L’esempio di codice seguente mostra come estrarre la tabella da un’area specifica della pagina PDF.

// Carica il documento PDF di origine
Aspose.Pdf.Document pdfDocument = new Aspose.Pdf.Document("sample.pdf"); 

// Seleziona la pagina ed estrai la sua annotazione quadrata
var page = pdfDocument.Pages[1];
var squareAnnotation =
	page.Annotations.FirstOrDefault(ann => ann.AnnotationType == Annotations.AnnotationType.Square)
	as Annotations.SquareAnnotation;

// Crea table absorber e visita la pagina
Aspose.Pdf.Text.TableAbsorber absorber = new Aspose.Pdf.Text.TableAbsorber();
absorber.Visit(page);

// Scorri ogni tabella assorbita nell'elenco 
foreach (AbsorbedTable table in absorber.TableList)
{
	var isInRegion = (squareAnnotation.Rect.LLX < table.Rectangle.LLX) &&
	(squareAnnotation.Rect.LLY < table.Rectangle.LLY) &&
	(squareAnnotation.Rect.URX > table.Rectangle.URX) &&
	(squareAnnotation.Rect.URY > table.Rectangle.URY);

	if (isInRegion)
	{
		// Scorri ogni riga della tabella
		foreach (AbsorbedRow row in table.RowList)
		{
			// Passa attraverso ogni cella nella riga
			foreach (AbsorbedCell cell in row.CellList)
			{
				// Scorri i frammenti di testo e stampa il testo
				foreach (TextFragment fragment in cell.TextFragments)
				{
					var sb = new StringBuilder();
					foreach (TextSegment seg in fragment.Segments)
					{
						sb.Append(seg.Text);
					}
					var text = sb.ToString();
					Console.Write($"{text}|");
				}
			}
			Console.WriteLine();
		}
	}
}

Ottieni una licenza gratuita

È possibile utilizzare Aspose.PDF per .NET senza limitazioni di valutazione utilizzando una licenza temporanea.

Conclusione

In questo articolo hai imparato come estrarre i dati dalle tabelle in un PDF usando C#. Inoltre, hai visto come estrarre una tabella da una specifica regione della pagina in PDF. Puoi esplorare di più sull’API C# PDF utilizzando la documentazione. Inoltre, puoi pubblicare le tue domande sul nostro forum.

Guarda anche