PDF 数据提取 .NET：完整开发者指南

开始使用 IronPDF

通过NuGet包管理器安装IronPDF只需几秒钟。 打开包管理器控制台并运行：

Install-Package IronPDF

Install-Package IronPDF

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

安装后，您可以立即开始处理输入的PDF文档。 这是一个展示IronPDF API简单性的最简.NET示例：

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

这段代码加载一个PDF文件并提取其中的每一段文本。 IronPDF自动处理复杂的PDF结构、表单数据和可能导致其他库问题的编码。 从PDF文档中提取的数据可以保存到文本文件，或进一步处理以进行分析。

实用技巧：您可以将提取的文本保存到 .txt 文件中以便稍后处理，或者解析它以填充数据库、Excel 表格或知识库。 此方法适用于报告、合同或任何您只需要快速获取原始文本的PDF。

从PDF文档中提取数据

现实世界中的应用程序通常需要精确的数据提取。 IronPDF提供多种方法来从PDF中特定页面中获取有价值的信息。 在本例中，我们将使用以下PDF：

PDF 数据提取 .NET：完整开发者指南：图 2 - 与 PDF 数据提取 .NET：完整开发者指南相关的 6 张图片中的第 2 张

以下代码将从此PDF的特定页面中提取数据，并将结果返回到我们的控制台。

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

本示例展示了如何从PDF文档中提取文本，搜索关键信息，并准备将其存储到数据文件或知识库中。 ExtractTextFromPage()方法保持文档的阅读顺序，因此非常适合文档分析和内容索引任务。

PDF 数据提取 .NET：完整开发者指南：图 3 - 从特定页面提取的数据的控制台输出

从PDF文档中提取表格数据

PDF文件中的表格没有原生结构； 它们只是被定位得像表格的文本内容。 IronPDF在提取表格数据时保留布局，因此您可以将其处理成Excel或文本文件。 在本例中，我们将使用这个PDF：

PDF 数据提取 .NET：完整开发者指南：图 4 - 与 PDF 数据提取 .NET：完整开发者指南相关的 6 张图片中的第 4 张

我们的目标是提取表格本身的数据，以展示 IronPDF 解析表格数据的能力。

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中的表格通常只是被定位得像网格的文本。 此检查有助于确定一行是否属于表格行或标题。 通过过滤掉标题、页脚和无关文本，您可以从PDF中提取干净的表格数据，并且它将准备好用于CSV或Excel。

此工作流程适用于PDF表单、财务文件和报告。 之后您可以将 PDF 中的数据转换为 xlsx 文件，或者将它们合并到一个包含所有有用数据的 zip 文件中。 对于具有合并单元格的复杂表格，您可能需要根据列位置调整解析逻辑。

PDF 数据提取 .NET：完整开发者指南：图 5 - 提取的表格数据

从 PDF 文件中提取表单字段数据

IronPDF还允许表单字段数据提取和修改：

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

此代码片段从PDF中提取表单字段值，并允许您以编程方式更新它们。 这使得处理PDF表单和提取指定信息范围用于分析或生成报告变得容易。 这对于自动化工作流程如客户入职、调查处理或数据验证非常有用。

PDF 数据提取 .NET：完整开发者指南：图 6 - 提取的表单数据和更新后的表单

下一步

IronPDF使.NET中的PDF数据提取变得实用高效。 您可以从各种PDF文档中提取图像、文本、表格、表单字段，甚至是提取附件，包括通常需要额外OCR处理的扫描PDF。

无论您的目标是构建知识库、自动化报告工作流程，还是从财务PDF中提取数据，该库都为您提供了无需手动复制或易出错解析来完成任务的工具。 它简单、快速，并直接集成到Visual Studio项目中。 试试看，您可能会节省大量时间，避免处理PDF的常见麻烦。

准备在您的应用程序中实现PDF数据提取了吗？ IronPDF听起来是适合您的.NET库吗？ 立即开始免费试用，体验全部功能；或者了解我们的商业用途许可选项。 请访问我们的文档，获取全面的指南和 API 参考。