PDF 文件是通过 Internet 交换文档的标准格式。发票和产品指南等文档通常以 PDF 的形式共享。在某些情况下,您可能有多个包含表格数据的发票,您需要进一步提取和处理这些数据。以编程方式提取这些数据会更有效。为此,本文将教您如何使用 C++ 从 PDF 表中提取数据。

用于从 PDF 文件中的表中提取数据的 C++ API

Aspose.PDF for C++ 是一个 C++ 库,允许您创建、阅读和更新 PDF 文件。此外,API 支持从 PDF 文件中的表格中提取数据。您可以通过 NuGet 安装 API,也可以直接从 下载 部分下载。

PM> Install-Package Aspose.PDF.Cpp

使用 C++ 从 PDF 表中提取数据

以下是从 PDF 表中提取数据的步骤。

以下示例代码展示了如何使用 C++ 从 PDF 表中提取数据。

// 加载 PDF 文档
auto pdfDocument = MakeObject<Document>(u"SourceDirectory\\PDF\\Table_input3.pdf");

// 遍历文档的页面
for (auto page : pdfDocument->get_Pages())
{
	// 创建 TableAbsorber 类的实例
	auto absorber = MakeObject<TableAbsorber>();
	absorber->Visit(page);

	// 遍历表
	for (auto table : absorber->get_TableList())
	{
		Console::WriteLine(u"Table");

		// 遍历行
		for (auto row : table->get_RowList())
		{
			// 遍历单元格
			for (auto cell : row->get_CellList())
			{
				// 遍历文本片段
				for (auto fragment : cell->get_TextFragments())
				{
					String string = u"";

					// 遍历文本段
					for (auto seg : fragment->get_Segments())
					{
						// 获取文本
						string = String::Concat(string, seg->get_Text());
					}

					// 打印文本
					Console::WriteLine(string);
				}
			}
			Console::WriteLine();
		}
	}
}

从 PDF 页面特定区域的表中提取数据

要从 PDF 页面特定区域的表格中提取数据,请按照以下步骤操作。

以下示例代码演示了如何使用 C++ 从 PDF 页面特定区域的表格中提取数据。

// 加载 PDF 文档
auto pdfDocument = MakeObject<Document>(u"SourceDirectory\\PDF\\Table_input4.pdf");

// 获取文档的第一页
auto page = pdfDocument->get_Pages()->idx_get(1);

// 遍历页面上的注解
for (auto annotation : page->get_Annotations())
{
	// 检查注释类型
	if (annotation->get_AnnotationType() == Annotations::AnnotationType::Square)
	{
		System::SharedPtr<SquareAnnotation> squareAnnotation = DynamicCast<SquareAnnotation>(annotation);

		// 创建 TableAbsorber 类的实例
		auto absorber = MakeObject<TableAbsorber>();
		absorber->Visit(page);

		// 遍历表
		for (auto table : absorber->get_TableList())
		{
			// 检查表是否在区域中
			if ((squareAnnotation->get_Rect()->get_LLX() < table->get_Rectangle()->get_LLX()) &&
				(squareAnnotation->get_Rect()->get_LLY() < table->get_Rectangle()->get_LLY()) &&
				(squareAnnotation->get_Rect()->get_URX() > table->get_Rectangle()->get_URX()) &&
				(squareAnnotation->get_Rect()->get_URY() > table->get_Rectangle()->get_URY())
				)
			{
				// 遍历行
				for (auto row : table->get_RowList())
				{
					// 遍历单元格
					for (auto cell : row->get_CellList())
					{
						// 遍历文本片段
						for (auto fragment : cell->get_TextFragments())
						{
							String string = u"";

							// 遍历文本段
							for (auto seg : fragment->get_Segments())
							{
								// 获取文本
								string = String::Concat(string, seg->get_Text());
							}

							// 打印文本
							Console::WriteLine(string);
						}
					}
					Console::WriteLine();
				}
			}
		}
		break;
	}
}

获得免费许可证

为了在没有评估限制的情况下试用 API,您可以申请 免费的临时许可证

结论

在本文中,您学习了如何使用 C++ 从 PDF 表中提取数据。此外,您还学习了如何从 PDF 页面特定区域的表格中提取数据。 Aspose.PDF for C++ API 为处理 PDF 文件提供了许多附加功能。您可以通过访问 官方文档 来详细探索 API。如有任何问题,请随时通过我们的 免费支持论坛 与我们联系。

也可以看看