C# 从PDF中的嵌套表中提取数据

我有一些pdf文件是从word或excel文件创建的

我需要得到表格中的信息

文档中的文本不是图像，因此我可以使用pdfbox等工具提取文本

当我有文本时，我无法知道它属于表格中的哪些单元格，因为我不知道表格边框在哪里

我尝试了一些桌面工具，如abby或solid pdf converter，它们能够将文件转换为漂亮的word文档，但这不适合我的需要，因为我希望能够用C#编写此程序

有些表有嵌套的表，我想这会让这有点困难

---

感谢您的帮助

这里的困难是因为PDF中的文本不包含在任何表格中。它看起来可能是，但在表面之下，它不是

所以我可以想出几个选择。但是没有一个会像你想的那样令人满意

有些公司提供PDF到Excel/Word转换的SDK。Investintech和Iceni就是几个例子。但这些解决方案并非免费的

如果您知道需要从中提取表格数据的PDF文件的确切布局，则可以使用任何SDK从PDF中提取文本，并告诉您提取文本的确切坐标。使用此方法时，您需要提前知道文本将位于何处，以便可以从页面上的特定区域提取文本。如果您需要处理任何随机文档，那么它显然不起作用

---

这是一项困难的任务，但希望这能为您提供一个起点。

您可以从下载pdftohtml并使用-xml开关，看看xml输出是否能为您提供更好的布局表。源代码是可用的C语言，并可以与一些工作接口。或者简单地用进程外调用调用.exe。这个解决方案对我根本不起作用。谢谢可能的副本谢谢你的回复1。你提到的程序效果不好。我不介意使用非免费的解决方案，但我必须确保它能100%工作2。我尝试过使用坐标的解决方案，但在不知道边界坐标的情况下，我不知道如何使用这个解决方案。表格中文本的位置发生变化（嵌套表格、单元格中的多行）