PDF是當(dāng)今的裁決文件格式之一。它支持文本、圖形、表格、注釋和一系列其他元素。在某些情況下，您可能需要從 PDF 文檔（如發(fā)票）中的表格中提取數(shù)據(jù)。為了以編程方式實(shí)現(xiàn)這一點(diǎn)，本文介紹了如何使用 Java 從 PDF 表格中提取數(shù)據(jù)。

• 從 PDF 表格中提取數(shù)據(jù)的 Java API
• 從 PDF 表格中提取數(shù)據(jù)
• 從頁面的特定區(qū)域提取表格

為了從 PDF 表格中提取數(shù)據(jù)，我們將使用Aspose.PDF for Java，它是一個(gè)功能豐富的 API，用于在 Java 應(yīng)用程序中創(chuàng)建、處理和轉(zhuǎn)換 PDF 文件。感興趣的朋友可點(diǎn)擊下方按鈕下載最新版。

點(diǎn)擊下載最新版Aspose.PDF for Java

從 PDF 表格中提取數(shù)據(jù)的 Java API

Aspose.PDF for Java是一個(gè)功能豐富的 API，用于創(chuàng)建和操作 PDF 文檔。我們將使用此 API 從 PDF 文檔的表格中提取數(shù)據(jù)。您可以  使用以下Maven 配置下載API 的 JAR 或?qū)⑵浒惭b在您的 Java 應(yīng)用程序中 。

<repository>
    <id>AsposeJavaAPI</id>
    <name>Aspose Java API</name>
    <url>//repository.aspose.com/repo/</url>
</repository>
<dependency>
    <groupId>com.aspose</groupId>
    <artifactId>aspose-pdf</artifactId>
    <version>21.9</version>
</dependency>

使用 Java 從 PDF 表格中提取數(shù)據(jù)

以下是使用 Java 從 PDF 中的表格中提取數(shù)據(jù)的步驟。

• 首先，使用Document類加載 PDF 文檔。
• 使用Document.getPages()集合遍歷 PDF 中的頁面。
• 在每次迭代中，初始化TableAbsorber對(duì)象并使用TableAbsorber.visit(Page)方法訪問所選頁面。
• 在嵌套循環(huán)中，遍歷TableAbsorber.getTableList()集合中的表列表。
• 對(duì)于集合中的每個(gè)AbsorbedTable，遍歷來自AbsorbedTable.getRowList()的行集合。
• 對(duì)于集合中的每個(gè)AbsorbedRow，遍歷來自AbsorbedRow.getCellList()的單元格集合。
• 最后，遍歷TextFragment每個(gè)集合AbsorbedCell和打印文本。

• 首先，使用Document類加載 PDF 文檔。
• 然后，從Document.getPages()集合中選擇所需的頁面。
• 提取頁面的 Square 注釋。
• 在每次迭代中，初始化TableAbsorber對(duì)象并使用TableAbsorber.visit(Page)方法訪問所選頁面。
• 在嵌套循環(huán)中，遍歷TableAbsorber.getTableList()集合中的表列表。
• 檢查吸收的表格是否在所需的頁面區(qū)域中。
• 對(duì)于集合中的每個(gè)AbsorbedTable，使用AbsorbedTable.getRowList()遍歷行集合。
• 對(duì)于集合中的每個(gè)AbsorbedRow，使用AbsorbedRow.getCellList()遍歷單元格集合。
• 最后，遍歷TextFragment每個(gè)集合AbsorbedCell和打印文本。