Excel 从PDF中提取数据并添加到工作表

我试图将PDF文档中的数据提取到工作表中。PDF显示和文本可以手动复制并粘贴到Excel文档中

我目前正在通过SendKeys执行此操作，但它不起作用。尝试粘贴PDF文档中的数据时出错。为什么我的粘贴不起作用？如果在宏停止运行后粘贴，它将按正常方式粘贴

Dim myPath As String, myExt As String
Dim ws As Worksheet
Dim openPDF As Object
'Dim pasteData As MSForms.DataObject
Dim fCell As Range

'Set pasteData = New MSForms.DataObject
Set ws = Sheets("DATA")
If ws.Cells(ws.Rows.Count, "A").End(xlUp).Row > 1 Then Range("A3:A" & ws.Cells(ws.Rows.Count, "A").End(xlUp).Row).ClearContents

myExt = "\*.pdf"
'When Scan Receipts Button Pressed Scan the selected folder/s for receipts
For Each fCell In Range(ws.Cells(1, 1), ws.Cells(1, ws.Cells(1, ws.Columns.Count).End(xlToLeft).Column))
    myPath = Dir(fCell.Value & myExt)
    Do While myPath <> ""
        myPath = fCell.Value & "\" & myPath
        Set openPDF = CreateObject("Shell.Application")
        openPDF.Open (myPath)
        Application.Wait Now + TimeValue("00:00:2")
        SendKeys "^a"
        Application.Wait Now + TimeValue("00:00:2")
        SendKeys "^c"
        'Application.Wait Now + TimeValue("00:00:2")
        ws.Select
        ActiveSheet.Paste
        'pasteData.GetFromClipboard

        'ws.Cells(3, 1) = pasteData.GetText
        Exit Sub

        myPath = Dir
    Loop

Next fCell

Dim myPath作为字符串，myExt作为字符串
将ws设置为工作表
Dim openPDF作为对象
'将数据作为MSForms.DataObject粘贴
变暗fCell As范围
'设置粘贴数据=新的MSForms.DataObject
设置ws=图纸（“数据”）
如果ws.Cells（ws.Rows.Count，“A”）.End（xlUp）.Row>1，则范围（“A3:A”和ws.Cells（ws.Rows.Count，“A”）.End（xlUp）.Row.ClearContent
myExt=“\*.pdf”
'当按下扫描收据按钮时，扫描所选文件夹中的收据
对于范围内的每个fCell（ws.Cells（1，1），ws.Cells（1，ws.Cells（1，ws.Columns.Count）.End（xlToLeft.Column））
myPath=Dir（fCell.Value&myExt）
在myPath“”时执行此操作
myPath=fCell.Value&“\”&myPath
设置openPDF=CreateObject（“Shell.Application”）
openPDF.Open（myPath）
应用程序。立即等待+时间值（“00:00:2”）
发送密钥“^a”
应用程序。立即等待+时间值（“00:00:2”）
发送密钥“^c”
'Application.Wait Now+时间值（“00:00:2”）
ws.Select
活动表。粘贴
'pasteData.GetFromClipboard
'ws.Cells（3,1）=pasteData.GetText
出口接头
myPath=Dir
环
下一个fCell

您可以使用Adobe library打开PDF文件并提取其内容（我相信您可以将其作为SDK的一部分从Adobe下载，但它还附带某些版本的Acrobat）

确保也将库添加到引用中（在我的机器上，它是Adobe Acrobat 10.0类型库，但不确定它是否是最新版本）

即使使用Adobe library，它也不是微不足道的（您需要添加自己的错误捕获等）：

这与您尝试做的基本相同——只使用Adobe自己的库。它一次浏览一个PDF页面，突出显示页面上的所有文本，然后将其（一次一个文本元素）放入字符串中

记住，从中获取的所有类型的非打印字符（行提要、换行符等）甚至可能在类似连续文本块的中间结束，因此您可能需要额外的代码在使用之前清理它。

---

希望有帮助

随着时间的推移，我发现以结构化格式从PDF中提取文本是一件困难的事情。但是，如果您正在寻找一个简单的解决方案，您可能需要考虑工具<代码> PDFTOTEX< /COD> 提取文本的伪代码包括：

使用

SHELL

VBA语句使用

使用顺序文件读取语句将临时文件内容读入字符串

将字符串粘贴到Excel中

简化示例如下：

    Sub ReadIntoExcel(PDFName As String)
        'Convert PDF to text
        Shell "C:\Utils\pdftotext.exe -layout " & PDFName & " tempfile.txt"

        'Read in the text file and write to Excel
        Dim TextLine as String
        Dim RowNumber as Integer
        Dim F1 as Integer
        RowNumber = 1
        F1 = Freefile()
        Open "tempfile.txt" for Input as #F1
            While Not EOF(#F1)
                Line Input #F1, TextLine
                ThisWorkbook.WorkSheets(1).Cells(RowNumber, 1).Value = TextLine
                RowNumber = RowNumber + 1
            Wend
        Close #F1
    End Sub

---

通过用户交互模拟进行复制和粘贴可能不可靠（例如，出现弹出窗口并切换焦点）。您可能有兴趣尝试专门设计用于从PDF中提取数据的广告，它可以从VBA中工作。它还能够使用CSV从发票和表格中提取数据

下面是用于Excel的VBA代码，用于从给定位置提取文本并将其保存到

工作表1的单元格中：

Private Sub CommandButton1_Click()

' Create TextExtractor object
' Set extractor = CreateObject("Bytescout.PDFExtractor.TextExtractor")
Dim extractor As New Bytescout_PDFExtractor.TextExtractor

extractor.RegistrationName = "demo"
extractor.RegistrationKey = "demo"

' Load sample PDF document
extractor.LoadDocumentFromFile ("c:\sample1.pdf")

' Get page count
pageCount = extractor.GetPageCount()

Dim wb As Workbook
Dim ws As Worksheet
Dim TxtRng  As Range

Set wb = ActiveWorkbook
Set ws = wb.Sheets("Sheet1")

For i = 0 To pageCount - 1
            RectLeft = 10
            RectTop = 10
            RectWidth = 100
            RectHeight = 100

            ' check the same text is extracted from returned coordinates
            extractor.SetExtractionArea RectLeft, RectTop, RectWidth, RectHeight
            ' extract text from given area
            extractedText = extractor.GetTextFromPage(i)

            ' insert rows
            ' Rows(1).Insert shift:=xlShiftDown
            ' write cell value
             Set TxtRng = ws.Range("A" & CStr(i + 2))
             TxtRng.Value = extractedText

Next

Set extractor = Nothing


End Sub

披露：我与ByteScout有关，使用是一个很好的选择。它价格便宜，提供了大量与PDF相关的功能。上面的一个答案指向GitHub上的死页Bytescout。我提供了一个相关的工作样本，从PDF中提取表格。您可以使用它以任何格式导出

Set extractor = CreateObject("Bytescout.PDFExtractor.StructuredExtractor")

extractor.RegistrationName = "demo"
extractor.RegistrationKey = "demo"

' Load sample PDF document
extractor.LoadDocumentFromFile "../../sample3.pdf"

For ipage = 0 To extractor.GetPageCount() - 1 

    ' starting extraction from page #"
    extractor.PrepareStructure ipage

    rowCount = extractor.GetRowCount(ipage)

    For row = 0 To rowCount - 1 
        columnCount = extractor.GetColumnCount(ipage, row)

        For col = 0 To columnCount-1
            WScript.Echo "Cell at page #" +CStr(ipage) + ", row=" & CStr(row) & ", column=" & _
                CStr(col) & vbCRLF & extractor.GetCellValue(ipage, row, col)
        Next
    Next
Next

这里提供了更多示例：
由于我不喜欢依赖外部库和/或其他程序，因此我扩展了您的解决方案，使其能够正常工作。
这里的实际更改是使用GetFromClipboard函数，而不是主要用于粘贴一系列单元格的Paste函数。
当然，缺点是用户不能在整个过程中改变焦点或干预

Dim pathPDF As String, textPDF As String
Dim openPDF As Object
Dim objPDF As MsForms.DataObject

pathPDF = "C:\some\path\data.pdf"
Set openPDF = CreateObject("Shell.Application")
openPDF.Open (pathPDF)
'TIME TO WAIT BEFORE/AFTER COPY AND PASTE SENDKEYS
Application.Wait Now + TimeValue("00:00:2")
SendKeys "^a"
Application.Wait Now + TimeValue("00:00:2")
SendKeys "^c"
Application.Wait Now + TimeValue("00:00:1")

AppActivate ActiveWorkbook.Windows(1).Caption
objPDF.GetFromClipboard
textPDF = objPDF.GetText(1)
MsgBox textPDF

如果您有兴趣在中查看我的项目。
为了改进Slinky Sloth的解决方案，我必须在从剪贴板获取之前添加以下内容：

Set objPDF = New MSForms.DataObject

遗憾的是，它不适用于10页的pdf。
这似乎不适用于Adobe类型库。它一打开，我就得到一个429错误。Acrobat工作得很好，但…
我知道这是一个老问题，但我只是为了工作中的一个项目才这样做，我很惊讶还没有人想到这个解决方案：
只要用Microsoft word打开.pdf即可。

当您试图从.docx中提取数据时，使用该代码要容易得多，因为它是在Microsoft Word中打开的。Excel和Word都是Microsoft程序，因此两者配合得很好。在我的例子中，问题文件必须是.pdf文件。以下是我提出的解决方案：

选择默认程序以打开Microsoft Word中的.pdf文件
第一次使用word打开.pdf文件时，会弹出一个对话框，声称word需要将.pdf文件转换为.docx文件。单击左下角的“不再显示此邮件”复选框，然后单击“确定”
创建从.docx文件中提取数据的宏。我用它作为一个资源
修改MoveDown、MoveRight和Find.Execute方法以满足任务的需要
是的，您可以将.pdf文件转换为.docx文件，但在我看来，这是一个简单得多的解决方案。
Adobe Library绝对是一个不错的选择。需要注意的是，它可以比您显示的功能更强大，因为它可以从单个文本框块或其他对象中获取文本，这可能更简洁
Set objPDF = New MSForms.DataObject