从 PDF 文档中提取表格 [重复]

Question

我想以编程方式使用 C# 为大学项目提取 PDF 文档中的表格。我对itextsharp很熟悉。

1. 有没有办法提取itextsharp 中的表格？

2. 有没有其他免费的图书馆可以用于此目的？

3. 我可以将PDF 转换为XML/HTML 以提取<table> 标记吗？如果可以，我可以使用免费库将PDF 转换为HTML 吗？

   或

请给我一个合适的解决方案..

Answer 1

你能尝试这样的事情，并从我从 VB.Net 转换到 C# equiv 的这个例子中扩展你需要的东西

public static string GetTextFromPDF(string PdfFileName)
{
    iTextSharp.text.pdf.PdfReader pdfReader = new iTextSharp.text.pdf.PdfReader(PdfFileName);
    dynamic sOut = string.Empty;

    for (i = 1; i <= pdfReader.NumberOfPages; i++) {
        iTextSharp.text.pdf.parser.SimpleTextExtractionStrategy its = new iTextSharp.text.pdf.parser.SimpleTextExtractionStrategy();
        sOut += iTextSharp.text.pdf.parser.PdfTextExtractor.GetTextFromPage(pdfReader, i, its);
    }
    return sOut;
}