How to Read Table in Documents

已更新:六月 9, 2025

Translated

View the article in English

让我们来谈谈阅读文档中的表格。使用普通 Tesseract 从表格中提取数据具有挑战性，因为文本通常位于单元格中，并且稀疏地分布在文档中。不过，我们的库配备了一个机器学习模型，该模型经过训练和微调，可以准确地检测和提取表格数据。

对于简单的表格，您可以依靠直接的表格检测，而对于更复杂的结构，我们独有的 ReadDocumentAdvanced 方法可以提供强大的结果，有效地解析表格并提供数据。

as-heading:2（快速入门：一次调用提取复杂表格单元格）</em

几分钟内即可开始运行--本示例展示了如何使用 ReadDocumentAdvanced 通过一次 IronOCR 调用从复杂文档中获取详细的表格单元格数据。它通过加载 PDF、应用高级表格检测和直接返回单元格信息列表来展示易用性。

Get started making PDFs with NuGet now:

Install IronOCR with NuGet Package Manager

PM > Install-Package IronOcr

Copy and run this code snippet.

var cells = new IronTesseract().ReadDocumentAdvanced(new OcrInput().LoadPdf("invoiceTable.pdf")).Tables.First().CellInfos;

Deploy to test on your live environment

Start using IronOCR in your project today with a free trial

Free 30 day Trial

以下步骤将指导您开始使用 IronOCR 阅读表格：

最小工作流程（5 个步骤）
下载从表格中提取数据的 C# 库。
为提取准备图像和 PDF 文档
。
将 ReadDataTables 属性设置为 true，以启用表格检测
。
对复杂表格使用 ReadDocumentAdvanced 方法
。
提取这些方法检测到的数据

简单表格示例
阅读发票示例请注意在 .NET Framework 上使用高级扫描要求项目在 x64 架构上运行。导航至项目配置，取消选中 "首选 32 位 "选项即可实现这一目标。请在以下故障排除指南中了解更多信息："[Advanced Scan on .NET Framework](/csharp/ocr/troubleshooting/advanced-scan-on-net-framework/)"。
```csharp :path=/static-assets/ocr/content-code-examples/how-to/read-table-in-document-with-ml.cs ``` 这种方法将文档的文本数据分为两类：一类有边框，另一类无边框。对于有边框的内容，该库根据表格的结构将其进一步划分为若干小节。翻译结果如下。需要注意的是，由于此方法侧重于边框所包围的信息，任何跨越多行的合并单元格都将被视为单个单元格。
结果

帮助类 OrganizeCellsByCoordinates(List cells) { // Sort cells by Y (top to bottom), then by X (left to right) var sortedCells = cells .OrderBy(cell => cell.CellRect.Y) .ThenBy(cell => cell.CellRect.X) .ToList(); return sortedCells; } // Example method demonstrating how to process multiple tables public static void ProcessTables(Tables tables) { foreach (var table in tables) { var sortedCells = OrganizeCellsByCoordinates(table.CellInfos); Console.WriteLine("Organized Table Cells:"); // Initialize previous Y coordinate int previousY = sortedCells.Any() ? sortedCells.First().CellRect.Y : 0; foreach (var cell in sortedCells) { // Print a new line if the Y-coordinate changes, indicating a new row if (Math.Abs(cell.CellRect.Y - previousY) > cell.CellRect.Height * 0.8) { Console.WriteLine(); // Start a new row previousY = cell.CellRect.Y; } // Print the cell text followed by a tab Console.Write($"{cell.CellText}\t"); } Console.WriteLine("\n--- End of Table ---"); // End of a table } } // Method to extract a specific row by the given index public static List ExtractRowByIndex(TableInfo table, int rowIndex) { if (table == null || table.CellInfos == null || !table.CellInfos.Any()) { throw new ArgumentException("Table is empty or invalid."); } var sortedCells = OrganizeCellsByCoordinates(table.CellInfos); List> rows = new List>(); // Group cells into rows based on Y coordinates int previousY = sortedCells.First().CellRect.Y; List currentRow = new List(); foreach (var cell in sortedCells) { if (Math.Abs(cell.CellRect.Y - previousY) > cell.CellRect.Height * 0.8) { // Store the completed row and start a new one rows.Add(new List(currentRow)); currentRow.Clear(); previousY = cell.CellRect.Y; } currentRow.Add(cell); } // Add the last row if it wasn't added yet if (currentRow.Any()) { rows.Add(currentRow); } // Retrieve the specified row if (rowIndex < 0 || rowIndex >= rows.Count) { throw new IndexOutOfRangeException($"Row index {rowIndex} is out of range."); } return rows[rowIndex]; } } ```

常见问题解答

如何使用 C# 改进文档中的表格数据提取？

您可以通过使用 IronOCR 的机器学习模型来增强 C# 文档中的表格数据提取，该模型专门用于准确检测和提取复杂的表格数据。此方法比使用标准 OCR 工具（如 Tesseract）更为有效。

IronOCR 中的 ReadDocumentAdvanced 方法的目的是处理复杂的表格，通过有效的解析和数据提取提供强大的结果。它特别适用于处理具有复杂结构的表格。

如何开始使用 IronOCR 提取表格？

要开始使用 IronOCR 提取表格，请下载 C# 库，准备文档，设置 ReadDataTables 属性启用表格检测，并针对复杂表格使用 ReadDocumentAdvanced 方法。

IronOCR 中高级表格提取需要什么额外的软件包？

IronOCR 中的高级表格提取需要适用于 Windows 的 `IronOcr.Extensions.AdvancedScan` 软件包，以有效管理复杂的表格结构。

如何使用 IronOCR 组织提取的表格数据？

IronOCR 提供辅助方法，通过坐标组织提取的表格数据，允许您处理多个表格并按索引提取特定行以便更好地管理数据。

使用 IronOCR 提取的表格单元格包含哪些元数据？

使用 IronOCR 提取的表格单元格包含元数据，如 X 和 Y 坐标、单元格尺寸以及每个单元格中的文本内容，支持详细的数据分析和组织。

使用 IronOCR 提取表格时如何确保 .NET Framework 兼容性？

要确保与 .NET Framework 的兼容性，请在使用 IronOCR 提取表格时确保您的项目在 x64 架构上运行，并在项目配置中取消选中“Prefer 32-bit”选项。

IronOCR 的文章讨论了如何使用 IronOCR 库读取文档中的表格，尤其是聚焦于复杂的表格结构。由于文本分散，使用标准 OCR 工具（如 Tesseract）从表格中提取数据可能困难。然而，IronOCR 引入了特别为准确表格数据提取微调的机器学习模型。该库提供了 `ReadDocumentAdvanced` 方法，专为处理复杂表格而设计，通过有效的解析和数据提取提供强大的结果。要开始使用 IronOCR，用户需要下载 C# 库，准备他们的文档，通过设置 `ReadDataTables` 属性启用表格检测，并针对复杂表格使用 `ReadDocumentAdvanced` 方法。该文章为简单和复杂表格提供了实例，特别指出复杂的表格提取需要适用于 Windows 的 `IronOcr.Extensions.AdvancedScan` 软件包。它还描述了通过坐标组织提取的单元格的方法和使用辅助类处理多个表格。提取的数据包括有价值的信息，如 X 和 Y 坐标，允许进一步处理和组织表格单元格。文章强调，尽管当前的实现不是完全有序，但每个单元格的元数据可以用来改进数据管理。

Curtis Chau

立即与工程团队聊天

技术作家

Curtis Chau 拥有卡尔顿大学的计算机科学学士学位，专注于前端开发，精通 Node.js、TypeScript、JavaScript 和 React。他热衷于打造直观且美观的用户界面，喜欢使用现代框架并创建结构良好、视觉吸引力强的手册。
除了开发之外，Curtis 对物联网 (IoT) 有浓厚的兴趣，探索将硬件和软件集成的新方法。在空闲时间，他喜欢玩游戏和构建 Discord 机器人，将他对技术的热爱与创造力相结合。

审核者

Jeffrey T. Fritz

首席项目经理 - .NET 社区团队

Jeff 也是 .NET 和 Visual Studio 团队的首席项目经理。他是 .NET Conf 虚拟会议系列的执行制片人，并主持“Fritz and Friends”直播节目，每周两次与观众一起谈论技术并编写代码。Jeff 撰写研讨会、演示文稿并计划包括 Microsoft Build、Microsoft Ignite、.NET Conf 和 Microsoft MVP 峰会在内的最大型微软开发者活动的内容。

准备开始了吗？

Nuget 下载 5,044,537 | 版本: 2025.11 刚刚发布

免费 NuGet 下载

总下载量：5,044,537

查看许可证

在 GitHub 上查看
代码

https://github.com/iron-software/IronOcr.Examples/tree/main/how-to/read-table-in-document

下载 ZIP

客户亮点：

开发者焦点：

网络研讨会：

How to Read Table in Documents

Get started making PDFs with NuGet now:

Install IronOCR with NuGet Package Manager

Copy and run this code snippet.

Deploy to test on your live environment

最小工作流程（5 个步骤）

简单表格示例

结果

常见问题解答

如何使用 C# 改进文档中的表格数据提取？

IronOCR 中的 ReadDocumentAdvanced 方法的目的是处理复杂的表格，通过有效的解析和数据提取提供强大的结果。它特别适用于处理具有复杂结构的表格。

要开始使用 IronOCR 提取表格，请下载 C# 库，准备文档，设置 `ReadDataTables` 属性启用表格检测，并针对复杂表格使用 `ReadDocumentAdvanced` 方法。

IronOCR 中的高级表格提取需要适用于 Windows 的 `IronOcr.Extensions.AdvancedScan` 软件包，以有效管理复杂的表格结构。

IronOCR 提供辅助方法，通过坐标组织提取的表格数据，允许您处理多个表格并按索引提取特定行以便更好地管理数据。

使用 IronOCR 提取的表格单元格包含元数据，如 X 和 Y 坐标、单元格尺寸以及每个单元格中的文本内容，支持详细的数据分析和组织。

要确保与 .NET Framework 的兼容性，请在使用 IronOCR 提取表格时确保您的项目在 x64 架构上运行，并在项目配置中取消选中“Prefer 32-bit”选项。

How to Read Table in Documents

Get started making PDFs with NuGet now:

Install IronOCR with NuGet Package Manager

Copy and run this code snippet.

Deploy to test on your live environment

最小工作流程（5 个步骤）

简单表格示例

结果

常见问题解答

如何使用 C# 改进文档中的表格数据提取？

IronOCR 中的 ReadDocumentAdvanced 方法的目的是处理复杂的表格，通过有效的解析和数据提取提供强大的结果。它特别适用于处理具有复杂结构的表格。

要开始使用 IronOCR 提取表格，请下载 C# 库，准备文档，设置 ReadDataTables 属性启用表格检测，并针对复杂表格使用 ReadDocumentAdvanced 方法。

IronOCR 中的高级表格提取需要适用于 Windows 的 `IronOcr.Extensions.AdvancedScan` 软件包，以有效管理复杂的表格结构。

IronOCR 提供辅助方法，通过坐标组织提取的表格数据，允许您处理多个表格并按索引提取特定行以便更好地管理数据。

使用 IronOCR 提取的表格单元格包含元数据，如 X 和 Y 坐标、单元格尺寸以及每个单元格中的文本内容，支持详细的数据分析和组织。

要确保与 .NET Framework 的兼容性，请在使用 IronOCR 提取表格时确保您的项目在 x64 架构上运行，并在项目配置中取消选中“Prefer 32-bit”选项。

下一步：开始免费 30 天试用

下一步：开始免费 30 天试用

深受全球 200 多万工程师信赖

要开始使用 IronOCR 提取表格，请下载 C# 库，准备文档，设置 `ReadDataTables` 属性启用表格检测，并针对复杂表格使用 `ReadDocumentAdvanced` 方法。