如何从带标签的pdf中读取值？

我的PDF包含的人员名单，目前我正在寻找一个理想的解决方案，使这些人，但在某些情况下，我结束了读这句话：如何从带标签的pdf中读取值？

因为PDF文件没有不可能有一个结构。

现在的事情是有标签的PDF文件，显示您的PDF的“结构”。在我的情况下，我有一个带标签的PDF，其中每个人的价值有它自己的行，每个人都在一列。这意味着在我的PDF中通过这个“表格”来解析每个人的价值是一种简单的方法，对吧？

所以我的问题是：当带标签的PDF文件有一个结构，那么我怎样才能从中受益，所以我可以读取我需要的所有值？

（边小问题：是PDF使用标签从PDF创建Excel文件的Excel应用程序？）

编辑＃1：

这是PDF文件的例子：

我已经尝试过你建议的方式@Lara与SyncFusion但问题是我收到的字符串：

John Peter Smith Smithstrasse 1 0101 Smithikon am See 010 010 01 01 020 020 02 02

使用这种输出的正则表达式是不可能的。问题是你永远不知道在这种情况下Peter是属于姓氏还是姓氏，Smith可能是街道的一部分。这就是为什么我不能使用它，这就是为什么我正在寻找一种解决方案，我可以使用PDF中的标签。一切都很好分开，所以我只需要一种方法来从标签中获取值。

编辑＃2： 作为@Balasubramanian希望这里是一个标签PDF例如： http://www.sh.ch/fileadmin/Redaktoren/Dokumente/Aufsichtsbehoerde_ueber_das_Anwaltswesen/Verzeichnis_SH_Anwaelte.pdf

本PDF与syncfusion给出准确的输出我的编辑＃1添加。

我对输出没有任何特殊要求，所以如果我收到JSON文件，数组或类似的数据并不重要。另一方面，重要的是每个人的每个价值是分开的，所以我可以得到这个价值。但最大的问题是我该如何做到这一点。标签必须保存在PDF文件中（元数据？）。

来源

2017-02-17 SovietPanda

ITextSharp是一个开源的.net库，您可以使用它来读取PDF文件的内容。下面的代码也是一样的。

public static string GetTextFromAllPages(String pdfPath) 
{ 
    PdfReader reader = new PdfReader(pdfPath); 

    StringWriter output = new StringWriter(); 

    for (int i = 1; i <= reader.NumberOfPages; i++) 
     output.WriteLine(PdfTextExtractor.GetTextFromPage(reader, i, new SimpleTextExtractionStrategy())); 

    return output.ToString(); 
}

您可以从https://sourceforge.net/projects/itextsharp/或过的NuGet获取库。只需下载并引用您的应用程序并使用上面的代码片段即可。您将能够将PDF提取为文本。

更新：

下面是我建议你试试..

string pDFExtract = "John Peter Smith Smithstrasse 1 0101 Smithikon am See 010 010 01 01 020 020 02 02"; 

string[] arrpDFExtract = pDFExtract.Split(' '); 

string Name = arrpDFExtract[0] +" "+ arrpDFExtract[1];

在这里，你必须找出哪些是字符串数组的大小，并根据您要建立条件，你会得到你想要的精确值...阵列的状况分析长度和相应的值你必须做..后面只是用上面的方式，并从PDF中获取的东西。

我已经做了大量的文件处理使用这种算法建设，每件事情就像魅力一样工作。

来源

2017-02-17 12:03:39 Lara

不是我正在寻找的答案。我知道这可能会起作用，但我猜，这将会一行一行地打印，但我需要将这些值分开。由于格式的原因，我无法使用Regex从行中获取它们。 – SovietPanda

你有什么样的阵型。以上解决方案将PDF解压缩为字符串。现在，您可以在字符串中使用大量方法来添加逻辑并获取所需内容。 – Lara

对于您的信息，请逐行读取字符串中的值。然后拆分行基于一些分隔符，如“”（空格），并添加到字符串数组..现在找出哪些信息可用在字符串数组的什么地方。根据您的要求获取并使用... – Lara

目前Syncfusion不支持从标记PDF文档中提取文本。但是，您能否提供预期的输出结构来自加标签的PDF文档以及您试图从中提取文本的PDF文档。

来源

2017-02-21 11:33:11 Balasubramanian

我编辑我的问题 – SovietPanda

如何从带标签的pdf中读取值？

回答

相关问题