C# 读取PDF文件以获取结构化格式的表格数据，

我必须阅读一个pdf文件，其中包含一个有几列的表格。使用iTextSharp，我可以读取文件，但我会得到一堆未格式化的文本。我无法构造数据以便插入数据库

---

有什么建议吗？

如果我理解正确，pdf文本是按位置存储的，因此它没有行或列的概念。这意味着您必须使用基于“可能性”的启发式方法，即您从不同的专栏中阅读的内容

您可以通过比较单词之间的空格来尝试这样做。（我不熟悉ITextSharp界面，因此如果我提到它无法实现的功能，请原谅我……我对pdfNet非常熟悉

我刚刚想到的另一个想法是，如果文本有视觉提示，例如分隔列的垂直线。如果是这种情况，你应该能够想出启发式方法来确定文本是在列线的左侧还是右侧

然而，如果可能的话，最好的办法是以更友好的数据库格式获取数据。从长远来看，这可能会避免心痛

---

--Jason

除非它的结构化文本没有显示列的标记。像PdfBox这样的工具会进行“猜测”来尝试提取表

---

有一篇文章解释了为什么文本提取在

上如此困难。我的结论是没有直接的方法来做这件事。至少阅读表格格式的数据。我尝试了Mark提供的建议，但根据我的要求，这似乎是不可行的。

一般来说，从PDF文件中读取数据是困难的，而且容易出错。当你说“我可以读取文件”时，你的确切意思是什么？你使用PdfReader类吗？是的。我使用PdfReader读取文件。但它完全分散。由于数据在表中，我无法正确读取它。