PDF 資料擷取 .NET：完整開發者指南

開始使用 IronPdf

透過 NuGet 套件管理器安裝 IronPDF 只需幾秒鐘。 開啟軟體包管理器控制台並執行：

Install-Package IronPDF

Install-Package IronPDF

'INSTANT VB TODO TASK: The following line uses invalid syntax:
'Install-Package IronPDF

安裝完成後，即可立即開始處理輸入的PDF文件。 以下是一個簡單的 .NET 範例，展示了 IronPDF API 的簡潔性：

using IronPdf;
// Load any PDF document
var pdf = PdfDocument.FromFile("document.pdf");
// Extract all text with one line
string allText = pdf.ExtractAllText();
Console.WriteLine(allText);

using IronPdf;
// Load any PDF document
var pdf = PdfDocument.FromFile("document.pdf");
// Extract all text with one line
string allText = pdf.ExtractAllText();
Console.WriteLine(allText);

IRON VB CONVERTER ERROR developers@ironsoftware.com

這段程式碼載入一個PDF檔案並提取其中的每一段文字。 IronPDF 可以自動處理複雜的 PDF 結構、表單資料和編碼，而這些通常會為其他庫帶來問題。 從 PDF 文件中提取的數據可以保存到文字文件，也可以進一步處理以進行分析。

實用技巧：您可以將提取的文字儲存到 .txt 檔案中以便稍後處理，或者解析它以填充資料庫、Excel 表格或知識庫。 這種方法適用於報告、合約或任何只需要快速取得原始文字的 PDF 檔案。

從PDF文件中提取數據

實際應用中往往需要精確的資料擷取。 IronPDF 提供多種方法，可以從 PDF 中的特定頁面提取有價值的資訊。 在這個例子中，我們將使用以下PDF文件：

PDF 資料擷取 .NET：完整開發者指南：圖 2 - 與 PDF 資料擷取 .NET：完整開發者指南相關的 6 張圖片中的第 2 張

以下程式碼將從該 PDF 中的特定頁面提取數據，並將結果傳回我們的控制台。

using IronPdf;
using System;
using System.Text.RegularExpressions;
// Load any PDF document
var pdf = PdfDocument.FromFile("AnnualReport2024.pdf");
// Extract from selected pages
int[] pagesToExtract = { 0, 2, 4 }; // Pages 1, 3, and 5
foreach (var pageIndex in pagesToExtract)
{
    string pageText = pdf.ExtractTextFromPage(pageIndex);
    // Split on 2 or more spaces (tables often flatten into space-separated values)
    var tokens = Regex.Split(pageText, @"\s{2,}");
    foreach (string token in tokens)
    {
        // Match totals, invoice headers, and invoice rows
        if (token.Contains("Invoice") || token.Contains("Total") || token.StartsWith("INV-"))
        {
            Console.WriteLine($"Important: {token.Trim()}");
        }
    }
}

using IronPdf;
using System;
using System.Text.RegularExpressions;
// Load any PDF document
var pdf = PdfDocument.FromFile("AnnualReport2024.pdf");
// Extract from selected pages
int[] pagesToExtract = { 0, 2, 4 }; // Pages 1, 3, and 5
foreach (var pageIndex in pagesToExtract)
{
    string pageText = pdf.ExtractTextFromPage(pageIndex);
    // Split on 2 or more spaces (tables often flatten into space-separated values)
    var tokens = Regex.Split(pageText, @"\s{2,}");
    foreach (string token in tokens)
    {
        // Match totals, invoice headers, and invoice rows
        if (token.Contains("Invoice") || token.Contains("Total") || token.StartsWith("INV-"))
        {
            Console.WriteLine($"Important: {token.Trim()}");
        }
    }
}

IRON VB CONVERTER ERROR developers@ironsoftware.com

本範例展示如何從 PDF 文件中提取文本，搜尋關鍵訊息，並將其準備儲存到資料檔案或知識庫中。 ExtractTextFromPage()方法可保持文件的閱讀順序，因此非常適合文件分析和內容索引任務。

PDF 資料擷取 .NET：完整開發者指南：圖 3 - 從特定頁面擷取的資料的控制台輸出

從PDF文件中提取表格數據

PDF 檔案中的表格沒有固定的結構； 它們只是排列成表格形狀的文字內容。 IronPDF 可以提取表格資料並保留佈局，以便您可以將其處理成 Excel 或文字檔案。 在這個例子中，我們將使用這份PDF文件：

PDF 資料擷取 .NET：完整開發者指南：圖 4 - 與 PDF 資料擷取 .NET：完整開發者指南相關的 6 張圖片中的第 4 張

我們的目標是提取表格本身的數據，以展示 IronPDF 解析表格數據的能力。

using IronPdf;
using System;
using System.Text;
using System.Text.RegularExpressions;
var pdf = PdfDocument.FromFile("example.pdf");
string rawText = pdf.ExtractAllText();
// Split into lines for processing
string[] lines = rawText.Split('\n');
var csvBuilder = new StringBuilder();
foreach (string line in lines)
{
    if (string.IsNullOrWhiteSpace(line) || line.Contains("Page"))
        continue;
    string[] rawCells = Regex.Split(line.Trim(), @"\s+");
    string[] cells;
    // If the line starts with "Product", combine first two tokens as product name
    if (rawCells[0].StartsWith("Product") && rawCells.Length >= 5)
    {
        cells = new string[rawCells.Length - 1];
        cells[0] = rawCells[0] + " " + rawCells[1]; // Combine Product + letter
        Array.Copy(rawCells, 2, cells, 1, rawCells.Length - 2);
    }
    else
    {
        cells = rawCells;
    }
    // Keep header or table rows
    bool isTableOrHeader = cells.Length >= 2
                           && (cells[0].StartsWith("Item") || cells[0].StartsWith("Product")
                               || Regex.IsMatch(cells[0], @"^INV-\d+"));
    if (isTableOrHeader)
    {
        Console.WriteLine($"Row: {string.Join("|", cells)}");
        string csvRow = string.Join(",", cells).Trim();
        csvBuilder.AppendLine(csvRow);
    }
}
// Save as CSV for Excel import
File.WriteAllText("extracted_table.csv", csvBuilder.ToString());
Console.WriteLine("Table data exported to CSV");

using IronPdf;
using System;
using System.Text;
using System.Text.RegularExpressions;
var pdf = PdfDocument.FromFile("example.pdf");
string rawText = pdf.ExtractAllText();
// Split into lines for processing
string[] lines = rawText.Split('\n');
var csvBuilder = new StringBuilder();
foreach (string line in lines)
{
    if (string.IsNullOrWhiteSpace(line) || line.Contains("Page"))
        continue;
    string[] rawCells = Regex.Split(line.Trim(), @"\s+");
    string[] cells;
    // If the line starts with "Product", combine first two tokens as product name
    if (rawCells[0].StartsWith("Product") && rawCells.Length >= 5)
    {
        cells = new string[rawCells.Length - 1];
        cells[0] = rawCells[0] + " " + rawCells[1]; // Combine Product + letter
        Array.Copy(rawCells, 2, cells, 1, rawCells.Length - 2);
    }
    else
    {
        cells = rawCells;
    }
    // Keep header or table rows
    bool isTableOrHeader = cells.Length >= 2
                           && (cells[0].StartsWith("Item") || cells[0].StartsWith("Product")
                               || Regex.IsMatch(cells[0], @"^INV-\d+"));
    if (isTableOrHeader)
    {
        Console.WriteLine($"Row: {string.Join("|", cells)}");
        string csvRow = string.Join(",", cells).Trim();
        csvBuilder.AppendLine(csvRow);
    }
}
// Save as CSV for Excel import
File.WriteAllText("extracted_table.csv", csvBuilder.ToString());
Console.WriteLine("Table data exported to CSV");

IRON VB CONVERTER ERROR developers@ironsoftware.com

PDF 檔案中的表格通常只是排列成網格狀的文字。 此檢查有助於確定一行是屬於表格行還是表格標題。 透過過濾掉頁首、頁尾和無關文本，您可以從 PDF 中提取乾淨的表格數據，並將其轉換為 CSV 或 Excel 文件。

此工作流程適用於 PDF 表單、財務文件和報告。 之後您可以將 PDF 中的資料轉換為 xlsx 文件，或將它們合併到一個包含所有有用資料的 zip 檔案中。 對於包含合併儲存格的複雜表格，您可能需要根據列位置調整解析邏輯。

PDF 資料擷取 .NET：完整開發者指南：圖 5 - 擷取的表格數據

從 PDF 文件中提取表單欄位數據

IronPDF 也允許擷取和修改表單欄位資料：

using IronPdf;
using System.Drawing;
using System.Linq;
var pdf = PdfDocument.FromFile("form_document.pdf");
// Extract form field data
var form = pdf.Form;
foreach (var field in form) // Removed '.Fields' as 'FormFieldCollection' is enumerable
{
    Console.WriteLine($"{field.Name}: {field.Value}");
    // Update form values if needed
    if (field.Name == "customer_name")
    {
        field.Value = "Updated Value";
    }
}
// Save modified form
pdf.SaveAs("updated_form.pdf");

using IronPdf;
using System.Drawing;
using System.Linq;
var pdf = PdfDocument.FromFile("form_document.pdf");
// Extract form field data
var form = pdf.Form;
foreach (var field in form) // Removed '.Fields' as 'FormFieldCollection' is enumerable
{
    Console.WriteLine($"{field.Name}: {field.Value}");
    // Update form values if needed
    if (field.Name == "customer_name")
    {
        field.Value = "Updated Value";
    }
}
// Save modified form
pdf.SaveAs("updated_form.pdf");

IRON VB CONVERTER ERROR developers@ironsoftware.com

此程式碼片段從 PDF 中提取表單欄位值，並允許您以程式設計方式更新它們。 這樣就可以輕鬆處理 PDF 表單，並提取指定範圍的資訊以進行分析或產生報告。 這對於自動化工作流程非常有用，例如客戶註冊、調查處理或資料驗證。

PDF 資料擷取 .NET：完整開發者指南：圖 6 - 擷取的表單資料和更新後的表單

後續步驟

IronPDF 讓 .NET 中的 PDF 資料擷取實用且有效率。 您可以從各種 PDF 文件中提取圖像、文字、表格、表單字段，甚至提取附件，包括通常需要額外 OCR 處理的掃描 PDF。

無論您的目標是建立知識庫、自動化報告工作流程，還是從財務 PDF 中提取數據，該庫都能為您提供完成此目標所需的工具，而無需手動複製或容易出錯的解析。 它簡單、快速，並且可以直接整合到 Visual Studio 專案中。 不妨一試，您很可能會節省大量時間，並避免處理 PDF 文件時通常會遇到的各種麻煩。

準備好在您的應用程式中實現 PDF 資料提取功能了嗎？ IronPDF 聽起來像您理想的 .NET 程式庫嗎？ 立即開始免費試用，體驗全部功能；或了解我們的商業用途授權選項。 請造訪我們的文檔，以取得全面的指南和 API 參考。