C# 试着理解它

我尝试构建一个应用程序，该应用程序可以使用C#将PDF转换为excel。 我已经搜索了一些库来帮助我解决这个问题，但大多数都是商业许可的，所以我最终访问了iTextSharp.dll

免费很好，但我很少找到任何好的开源文档。 以下是我读过的一些链接：

还有更多。但是，大多数人并没有真正解释代码的用途。 这是IText中最常见的代码，使用C#：

StringBuilder text=new StringBuilder（）；//我的新文件将包含pdf内容？
PdfReader PdfReader=新PdfReader（myPath）；//这也许是我阅读pdf的方式？
对于（int page=1；page让我先解释一下PDF。

PDF不是“所见即所得”格式

在内部，PDF更像是一个包含渲染软件说明的文件。除非您使用的是带标签的PDF文件，否则PDF文档自然不会有“段落”或“表格”的概念

例如，如果您在记事本中打开PDF，您可能会看到如下内容

7 0 obj
<</BaseFont/Helvetica-Oblique/Encoding/WinAnsiEncoding/Subtype/Type1/Type/Font>>
endobj

70对象
endobj

文档中的说明被收集到“对象”中，对象被编号，并且可以相互引用

正如布鲁诺在评论中指出的那样，这意味着找出一个表是什么，或者一个表的内容是什么，可能真的很难

PDF文档本身只能告诉您以下信息：


对象8是从[50100]到[150100]的直线
对象125是一段文本，字体为Helvetica，位置为[50110]

使用iText核心库，您可以


获取所有这些对象（iText调用PathRenderInfo、TextRenderInfo和ImageRenderInfo对象）
获取渲染对象时的图形状态（哪种字体、字号、颜色等）

这可以让您编写自己的解析逻辑。
例如：


收集所有PathRenderInfo对象
删除所有不是完美水平线或垂直线的内容
将以90度角相交的所有物体组成簇
如果一个簇包含超过给定的行阈值，则将其视为表

幸运的是，
pdf2Data
解决方案（一个iText附加组件）已经为您完成了这类工作

有关更多信息，请转到
让我先解释一下PDF。

PDF不是“所见即所得”格式

在内部，PDF更像是一个包含渲染软件说明的文件。除非您使用的是带标签的PDF文件，否则PDF文档自然不会有“段落”或“表格”的概念

例如，如果您在记事本中打开PDF，您可能会看到如下内容

7 0 obj
<</BaseFont/Helvetica-Oblique/Encoding/WinAnsiEncoding/Subtype/Type1/Type/Font>>
endobj

70对象
endobj

文档中的说明被收集到“对象”中，对象被编号，并且可以相互引用

正如布鲁诺在评论中指出的那样，这意味着找出一个表是什么，或者一个表的内容是什么，可能真的很难

PDF文档本身只能告诉您以下信息：


对象8是从[50100]到[150100]的直线
对象125是一段文本，字体为Helvetica，位置为[50110]

使用iText核心库，您可以


获取所有这些对象（iText调用PathRenderInfo、TextRenderInfo和ImageRenderInfo对象）
获取渲染对象时的图形状态（哪种字体、字号、颜色等）

这可以让您编写自己的解析逻辑。
例如：


收集所有PathRenderInfo对象
删除所有不是完美水平线或垂直线的内容
将以90度角相交的所有物体组成簇
如果一个簇包含超过给定的行阈值，则将其视为表

幸运的是，
pdf2Data
解决方案（一个iText附加组件）已经为您完成了这类工作

有关更多信息，请转到
谷歌上有很多示例。其中之一是：因此……您想使用iText，但（1）您想从不再受支持的旧版本开始（即iText 5而不是iText 7），（2）您不想去，而是阅读过时的第三方教程，以及（3）iText是AGPL软件，这意味着如果你遵守AGPL的规则，你可以免费使用if。你确定你知道这些规则吗？另外：你说你想将PDF文件转换为Excel文件，但你不问问自己这是否可能（一般而言）。你的PDF是带标签的PDF吗？如果是，里面是否有表格标签？如果不是，你认为PDF如何知道什么是列，什么是行？如果PDF中没有标签，你可以用人眼看到表格，但机器只看到文本和行，没有表格。对你的问题“尝试理解ITextSharp”唯一有效的答案是“首先尝试理解PDF！"你试图在走路之前跑。顺便说一句，关于你评论的那行//也许IText是如何将数据转换成文本的？-不，这行是一种不做任何事情的复杂方式，特别是在第三方教程中，以及在这里关于堆栈溢出的一些答案中，都可以找到。每当有人要求各自的作者解释时，让我们来看看单独提供一个例子，这一行是必要的，通常没有解释，并且在少数情况下没有解释的证据。我明白了，这是我的错误。我没有很好地阅读什么是itext库。我尝试了www.sautinsoft.com，它很容易用于转换，这真的让我迷路了。因此，我再次阅读了关于文本和程序工作。它读取pdf格式的所有数据（仅第1页）。我现在需要的是将其写入excel。Thx all，我很快会提出新问题，并可以自由地再次回答：D.谷歌上有很多示例。其中之一：那么……你想使用吗