C#提取PDF表单数据的实现流程

2025-01-29 04:50

本文主要是介绍C#提取PDF表单数据的实现流程,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

《C#提取PDF表单数据的实现流程》PDF表单是一种常见的数据收集工具,广泛应用于调查问卷、业务合同等场景,凭借出色的跨平台兼容性和标准化特点,PDF表单在各行各业中得到了广泛应用,本文将探讨如何使用...

引言

PDF表单是一种常见的数据收集工具,广泛应用于调查问卷、业务合同等场景。凭借出色的跨平台兼容性和标准化特点,PDF表单在各行各业中得到了广泛应用。然而,当需要整合、分析或导入大量已填写的表单数据时,传统的手动处理方式不仅耗时,而且容易出错。因此,掌握自动提取PDF表http://www.chinasem.cn单数据的方法,不仅能大幅提高工作效率,还能确保数据处理的准确性。本文将探讨如何使用C# 实现自动化PDF表单数据提取流程。

  • 使用工具
  • C# 提取多个PDF表单域的数据
  • C# 提取特定PDF表单域的数据

使用工具

要使用C# 提取PDF表单的数据,需要用到合适的PDF文档处理库。本文所使用的是Spire.PDF for .NET库。该库主要用于在 .NET 应用程序中创建、读取、编辑、转换 和打印PDF 文档。

安装 Spire.PDF for .NET

你可以在 NuGet 包管理器中运行以下命令安装 Spire.PDF for .NET:

PM> Install-Package Spire.PDF

如果你已经安装了该库并希望升级到最新版本,可以使用以下命令:

PM> Update-Package Spire.PDF

C# 提取多个PDF表单域的数据

PDF 表单可能包含多种类型的域,例如文本框、列表框、下拉框、单选按钮和复选框。每种域类型需要采用不同的方法来提取其数据。以下是提取这些类型的域的数据时所使用的关键属性:

  • 文本框(Text Boxes
    通过 PdfTextBoxFieldwidget 对象的 Name 和 Text 属性,获取文本框的名称及其对应的值。
  • 列表框(List Boxes
    通过 PdfListBoxFieldWidget 对象的 Name、Values 和 SelectedValue 属性,提取列表框的名称、所有选项及选定的选项。
  • 下拉框(Combo Boxes
    通过 PdfComboBoxFieldWidget 对象的 Name、Values 和 SelectedValue 属性,获取下拉框的名称、所有选项及选定的选项。
  • 单选按钮(Radio Buttons
    通过 PdfRadioButtonListFieldWidget 对象的 Name 和 SelectedValue 属性,获取单选按钮的名称和选定的值。
  • 复选框(Checkboxes
    通过 PdfCheckBoxFieldWidget 对象的 Name 和 Checked 属性,提取复选框的名称及其状态(是否被选中)。

以下代码展示了如何使用 C# 从多个 PDF 表单域中提取数据:

using Spire.Pdf;
using Spire.Pdf.Fields;
using Spire.Pdf.Widget;
using System.Collections.Generic;
using System.IO;
 
namespace ExtractPdfFormData
{
    internal class Program
    {
        static void Main(string[] args)
        {
            // 初始化 PdfDocument 类实例,用于加载和处理 PDF 文件
            using (PdfDocument doc = new PdfDocument())
            {
                // 加载包含表单域的 PDF 文件
                doc.LoadFromFile("表单.pdf");
 
                // 创建列表存储提取的域名称及其值
                List<string> content = new List<string>();
 
                // 获取 PDF 文档的表单对象
                PdfFormWidget formWidget = doc.Form as PdfFormWidget;
 
                // 检查表单对象中是否包含表单域
                if (formWidget?.FieldsWidget.Count > 0)
                {
                    // 遍历文档中的所有表单域
                    for (int i = 0; i < formWidget.FieldsWidget.List.Count; i++)
                    {
                        // 获取当前表单域
                        PdfField field = formWidget.FieldsWidget[i];
 
                        // 如果当前表单域为空,跳过该域
                        if (field == null) continue;
 
                        // 提取当前表单域的内容(名称和值)
                        List<string> currentFieldContent = ExtractFieldContent(fwww.chinasem.cnield);
 
                        // 如果提取到域内容,则将其添加到 content 列表中
                        if (currentFieldContent.Count > 0)
        http://www.chinasem.cn                {
                            content.AddRange(currentFieldContent);
 
                            // 如果不是最后一个表单域,添加一个空行用于分隔不同域的内容
                            if (i < formWidget.FieldsWidget.List.Count - 1)
                            {
                                content.Add(""); // 添加空行分隔不同域的内容
                            }
                        }
                    }
                }
 
                // 将提取的内容逐行写入文本文件
                File.WriteAllLines("提取域数据.txt", content);
            }
        }
 
        /// <summary>
        /// 提取单个 PDF 表单域的内容(域名和域值)
        /// 根据不同的表单域类型(文本框、列表框、下拉框、单选按钮、复选框)提取相应的值
        /// </summary>
        /// <param name="field">当前的 PDF 表单域对象</param>
        /// <returns>包含域内容的字符串列表</returns>
        private static List<string> ExtractFieldContent(PdfField field)
        {
            // 初始化列表来存储当前表单域的内容
            List<string> fieldContent = new List<string>();
 
            // 检查该域是否为文本框
            if (field is PdfTextBoxFieldWidget textBoxField)
            {
                fieldContent.Add($"文本框名称:{textBoxField.Name}");
                fieldContent.Add($"文本框值:{textBoxFielChina编程d.Text}");
            }
            // 检查该域是否为列表框
            else if (field is PdfListBoxWidgetFieldWidget listBoxField)
            {
                fieldContent.Add($"列表框名称:{listBoxField.Name}");
                fieldContent.Add("列表框选项:");
                // 遍历并提取列表框中的所有选项
                foreach (PdfListWidgetItem item in listBoxField.Values)
                {
                    fieldContent.Add($"{item.Value}");
                }
                fieldContent.Add($"列表框选中项:{listBoxField.SelectedValue}");
            }
            // 检查该域是否为下拉框
            else if (field is PdfComboBoxWidgetFieldWidget comboBoxField)
            {
                fieldContent.Add($"下拉框名称:{comboBoxField.Name}");
                fieldContent.Add("下拉框选项:");
                // 遍历并提取下拉框中的所有选项
                foreach (PdfListWidgetItem item in comboBoxField.Values)
                {
                    fieldContent.Add($"{item.Value}");
                }
                fieldContent.Add($"下拉框选中项:{comboBoxField.SelectedValue}");
            }
            // 检查该域是否为单选按钮
            else if (field is PdfRadioButtonListFieldWidget radioBtnField)
            {
                fieldContent.Add($"单选按钮名称:{radioBtnField.Name}");
                fieldContent.Add($"单选按钮选中项:{radioBtnField.SelectedValue}");
            }
            // 检查该域是否为复选框
            else if (field is PdfCheckBoxWidgetFieldWidget checkBoxField)
            {
                fieldContent.Add($"复选框名称:{checkBoxField.Name}");
                fieldContent.Add($"复选框状态:{(checkBoxField.Checked ? "选中" : "未选中")}");
            }
 
            // 返回当前表单域的内容
            return fieldContent;
        }
    }
}

C# 提取特定PDF表单域的数据

如果你需要从特定的表单域中提取数据,可以通过该表单域的名称直接访问它,然后通过判断其类型对应地获取其内容。

以下代码展示了如何使用C# 从名为 “国家” 的PDF表单域中提取数据:

using Spire.Pdf;
using Spire.Pdf.Fields;
using Spire.Pdf.Widget;
using System.Collections.Generic;
using System.IO;
 
namespace ExtractSpecificFormData
{
    internal class Program
    {
        static void Main(string[] args)
        {
            // 初始化 PdfDocument 类实例,用于加载和处理 PDF 文件
            using (PdfDocument doc = new PdfDocument())
            {
                // 加载包含表单域的 PDF 文件
                doc.LoadFromFile("表单.pdf");
 
                // 创建列表来存储提取的表单域名称及其值
                List<string> content = new List<string>();
 
                // 获取 PDF 文档的表单对象
                PdfFormWidget formWidget = doc.Form as PdfFormWidget;
 
                // 指定域名称
                string fieldName = "国家";
 
                // 检查表单对象中是否包含表单域
                if (formWidget?.FieldsWidget.Count > 0)
                {
                    // 通过名称访问特定表单域
                    PdfField specificField = formWidget.FieldsWidget[fieldName];
 
                    // 确保域存在再进行处理
                    if (specificField != null)
                    {
                        // 提取特定表单域的内容(名称和值)
                        List<string> specificFieldContent = ExtractFieldContent(specificField);
 
                        // 如果提取到内容,则将其添加到 content 列表中
                        if (specificFieldContent.Count > 0)
                        {
                            content.AddRange(specificFieldContent);
                        }
                    }
                    else
                    {
                        content.Add($"未找到域 '{fieldName}'");
                    }
                }
                else
                {
                    content.Add("PDF 表单中未找到任何域");
                }
 
                // 将提取的内容逐行写入文本文件
                File.WriteAllLines("提取特定域数据.txt", content);
            }
        }
 
        /// <summary>
        /// 提取单个 PDF 表单域的内容(名称和值)
        /// 处理不同类型的表单域,如文本框、列表框、下拉框、单选按钮和复选框
        /// </summary>
        /// <param name="field">当前 PDF 表单域对象</param>
        /// <returns>包含表单域内容的字符串列表</returns>
        private static List<string> ExtractFieldContent(PdfField field)
        {
            // 初始化列表来存储当前表单域的内容
            List<string> fieldContent = new List<string>();
 
            // 检查该域是否为文本框
            if (field is PdfTextBoxFieldWidget textBoxField)
            {
                // 将文本框的名称和值添加到列表中
                fieldContent.Add($"文本框名称:{textBoxField.Name}");
                fieldContent.Add($"文本框值:{textBoxField.Text}");
            }
            // 检查该域是否为列表框
            else if (field is PdfListBoxWidgetFieldWidget listBoxField)
            {
                fieldContent.Add($"列表框名称:{listBoxField.Name}");
                fieldContent.Add("列表框选项:");
                foreach (PdfListWidgetItem item in listBoxField.Values)
                {
                    fieldContent.Add($"{item.Value}");
                }
                fieldContent.Add($"列表框选中项:{listBoxField.SelectedValue}");
            }
            // 检查该域是否为下拉框
            else if (field is PdfCombChina编程oBoxWidgetFieldWidget comboBoxField)
            {
                fieldContent.Add($"下拉框名称:{comboBoxField.Name}");
                fieldContent.Add("下拉框选项:");
                foreach (PdfListWidgetItem item in comboBoxField.Values)
                {
                    fieldContent.Add($"{item.Value}");
                }
                fieldContent.Add($"下拉框选中项:{comboBoxField.SelectedValue}");
            }
            // 检查该域是否为单选按钮
            else if (field is PdfRadioButtonListFieldWidget radioBtnField)
            {
                fieldContent.Add($"单选按钮名称:{radioBtnField.Name}");
                fieldContent.Add($"单选按钮选中项:{radioBtnField.SelectedValue}");
            }
            // 检查该域是否为复选框
            else if (field is PdfCheckBoxWidgetFieldWidget checkBoxField)
            {
                fieldContent.Add($"复选框名称:{checkBoxField.Name}");
                fieldContent.Add($"复选框状态:{(checkBoxField.Checked ? "选中" : "未选中")}");
            }
 
            // 返回当前表单域的内容列表
            return fieldContent;
        }
    }
}

以上就是使用C# 读取PDF表单域数据的全部内容。

到此这篇关于C#提取PDF表单数据的实现流程的文章就介绍到这了,更多相关C#提取PDF表单数据内容请搜索编程China编程(www.chinasem.cn)以前的文章或继续浏览下面的相关文章希望大家以后多多支持China编程(www.chinasem.cn)!

这篇关于C#提取PDF表单数据的实现流程的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1153266

相关文章

SpringBoot全局域名替换的实现

《SpringBoot全局域名替换的实现》本文主要介绍了SpringBoot全局域名替换的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一... 目录 项目结构⚙️ 配置文件application.yml️ 配置类AppProperties.Ja

Python实现批量CSV转Excel的高性能处理方案

《Python实现批量CSV转Excel的高性能处理方案》在日常办公中,我们经常需要将CSV格式的数据转换为Excel文件,本文将介绍一个基于Python的高性能解决方案,感兴趣的小伙伴可以跟随小编一... 目录一、场景需求二、技术方案三、核心代码四、批量处理方案五、性能优化六、使用示例完整代码七、小结一、

Java实现将HTML文件与字符串转换为图片

《Java实现将HTML文件与字符串转换为图片》在Java开发中,我们经常会遇到将HTML内容转换为图片的需求,本文小编就来和大家详细讲讲如何使用FreeSpire.DocforJava库来实现这一功... 目录前言核心实现:html 转图片完整代码场景 1:转换本地 HTML 文件为图片场景 2:转换 H

C#使用Spire.Doc for .NET实现HTML转Word的高效方案

《C#使用Spire.Docfor.NET实现HTML转Word的高效方案》在Web开发中,HTML内容的生成与处理是高频需求,然而,当用户需要将HTML页面或动态生成的HTML字符串转换为Wor... 目录引言一、html转Word的典型场景与挑战二、用 Spire.Doc 实现 HTML 转 Word1

C#实现一键批量合并PDF文档

《C#实现一键批量合并PDF文档》这篇文章主要为大家详细介绍了如何使用C#实现一键批量合并PDF文档功能,文中的示例代码简洁易懂,感兴趣的小伙伴可以跟随小编一起学习一下... 目录前言效果展示功能实现1、添加文件2、文件分组(书签)3、定义页码范围4、自定义显示5、定义页面尺寸6、PDF批量合并7、其他方法

SpringBoot实现不同接口指定上传文件大小的具体步骤

《SpringBoot实现不同接口指定上传文件大小的具体步骤》:本文主要介绍在SpringBoot中通过自定义注解、AOP拦截和配置文件实现不同接口上传文件大小限制的方法,强调需设置全局阈值远大于... 目录一  springboot实现不同接口指定文件大小1.1 思路说明1.2 工程启动说明二 具体实施2

Python实现精确小数计算的完全指南

《Python实现精确小数计算的完全指南》在金融计算、科学实验和工程领域,浮点数精度问题一直是开发者面临的重大挑战,本文将深入解析Python精确小数计算技术体系,感兴趣的小伙伴可以了解一下... 目录引言:小数精度问题的核心挑战一、浮点数精度问题分析1.1 浮点数精度陷阱1.2 浮点数误差来源二、基础解决

Java实现在Word文档中添加文本水印和图片水印的操作指南

《Java实现在Word文档中添加文本水印和图片水印的操作指南》在当今数字时代,文档的自动化处理与安全防护变得尤为重要,无论是为了保护版权、推广品牌,还是为了在文档中加入特定的标识,为Word文档添加... 目录引言Spire.Doc for Java:高效Word文档处理的利器代码实战:使用Java为Wo

Java实现远程执行Shell指令

《Java实现远程执行Shell指令》文章介绍使用JSch在SpringBoot项目中实现远程Shell操作,涵盖环境配置、依赖引入及工具类编写,详解分号和双与号执行多指令的区别... 目录软硬件环境说明编写执行Shell指令的工具类总结jsch(Java Secure Channel)是SSH2的一个纯J

使用Python实现Word文档的自动化对比方案

《使用Python实现Word文档的自动化对比方案》我们经常需要比较两个Word文档的版本差异,无论是合同修订、论文修改还是代码文档更新,人工比对不仅效率低下,还容易遗漏关键改动,下面通过一个实际案例... 目录引言一、使用python-docx库解析文档结构二、使用difflib进行差异比对三、高级对比方