C#提取PDF表單數(shù)據(jù)的實現(xiàn)流程

更新時間：2025年01月28日 15:59:51 作者：nuclear2011

PDF表單是一種常見的數(shù)據(jù)收集工具,廣泛應用于調查問卷、業(yè)務合同等場景,憑借出色的跨平臺兼容性和標準化特點,PDF表單在各行各業(yè)中得到了廣泛應用,本文將探討如何使用C# 實現(xiàn)自動化PDF表單數(shù)據(jù)提取流程,需要的朋友可以參考下

引言

PDF表單是一種常見的數(shù)據(jù)收集工具，廣泛應用于調查問卷、業(yè)務合同等場景。憑借出色的跨平臺兼容性和標準化特點，PDF表單在各行各業(yè)中得到了廣泛應用。然而，當需要整合、分析或導入大量已填寫的表單數(shù)據(jù)時，傳統(tǒng)的手動處理方式不僅耗時，而且容易出錯。因此，掌握自動提取PDF表單數(shù)據(jù)的方法，不僅能大幅提高工作效率，還能確保數(shù)據(jù)處理的準確性。本文將探討如何使用C# 實現(xiàn)自動化PDF表單數(shù)據(jù)提取流程。

使用工具
C# 提取多個PDF表單域的數(shù)據(jù)
C# 提取特定PDF表單域的數(shù)據(jù)

使用工具

要使用C# 提取PDF表單的數(shù)據(jù)，需要用到合適的PDF文檔處理庫。本文所使用的是Spire.PDF for .NET庫。該庫主要用于在 .NET 應用程序中創(chuàng)建、讀取、編輯、轉換和打印PDF 文檔。

安裝 Spire.PDF for .NET

你可以在 NuGet 包管理器中運行以下命令安裝 Spire.PDF for .NET：

PM> Install-Package Spire.PDF

如果你已經(jīng)安裝了該庫并希望升級到最新版本，可以使用以下命令：

PM> Update-Package Spire.PDF

C# 提取多個PDF表單域的數(shù)據(jù)

PDF 表單可能包含多種類型的域，例如文本框、列表框、下拉框、單選按鈕和復選框。每種域類型需要采用不同的方法來提取其數(shù)據(jù)。以下是提取這些類型的域的數(shù)據(jù)時所使用的關鍵屬性：

文本框（Text Boxes）
通過 PdfTextBoxFieldWidget 對象的 Name 和 Text 屬性，獲取文本框的名稱及其對應的值。
列表框（List Boxes）
通過 PdfListBoxFieldWidget 對象的 Name、Values 和 SelectedValue 屬性，提取列表框的名稱、所有選項及選定的選項。
下拉框（Combo Boxes）
通過 PdfComboBoxFieldWidget 對象的 Name、Values 和 SelectedValue 屬性，獲取下拉框的名稱、所有選項及選定的選項。
單選按鈕（Radio Buttons）
通過 PdfRadioButtonListFieldWidget 對象的 Name 和 SelectedValue 屬性，獲取單選按鈕的名稱和選定的值。
復選框（Checkboxes）
通過 PdfCheckBoxFieldWidget 對象的 Name 和 Checked 屬性，提取復選框的名稱及其狀態(tài)（是否被選中）。

以下代碼展示了如何使用 C# 從多個 PDF 表單域中提取數(shù)據(jù)：

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 類實例，用于加載和處理 PDF 文件
            using (PdfDocument doc = new PdfDocument())
            {
                // 加載包含表單域的 PDF 文件
                doc.LoadFromFile("表單.pdf");
 
                // 創(chuàng)建列表存儲提取的域名稱及其值
                List<string> content = new List<string>();
 
                // 獲取 PDF 文檔的表單對象
                PdfFormWidget formWidget = doc.Form as PdfFormWidget;
 
                // 檢查表單對象中是否包含表單域
                if (formWidget?.FieldsWidget.Count > 0)
                {
                    // 遍歷文檔中的所有表單域
                    for (int i = 0; i < formWidget.FieldsWidget.List.Count; i++)
                    {
                        // 獲取當前表單域
                        PdfField field = formWidget.FieldsWidget[i];
 
                        // 如果當前表單域為空，跳過該域
                        if (field == null) continue;
 
                        // 提取當前表單域的內容（名稱和值）
                        List<string> currentFieldContent = ExtractFieldContent(field);
 
                        // 如果提取到域內容，則將其添加到 content 列表中
                        if (currentFieldContent.Count > 0)
                        {
                            content.AddRange(currentFieldContent);
 
                            // 如果不是最后一個表單域，添加一個空行用于分隔不同域的內容
                            if (i < formWidget.FieldsWidget.List.Count - 1)
                            {
                                content.Add(""); // 添加空行分隔不同域的內容
                            }
                        }
                    }
                }
 
                // 將提取的內容逐行寫入文本文件
                File.WriteAllLines("提取域數(shù)據(jù).txt", content);
            }
        }
 
        /// <summary>
        /// 提取單個 PDF 表單域的內容（域名和域值）
        /// 根據(jù)不同的表單域類型（文本框、列表框、下拉框、單選按鈕、復選框）提取相應的值
        /// </summary>
        /// <param name="field">當前的 PDF 表單域對象</param>
        /// <returns>包含域內容的字符串列表</returns>
        private static List<string> ExtractFieldContent(PdfField field)
        {
            // 初始化列表來存儲當前表單域的內容
            List<string> fieldContent = new List<string>();
 
            // 檢查該域是否為文本框
            if (field is PdfTextBoxFieldWidget textBoxField)
            {
                fieldContent.Add($"文本框名稱：{textBoxField.Name}");
                fieldContent.Add($"文本框值：{textBoxField.Text}");
            }
            // 檢查該域是否為列表框
            else if (field is PdfListBoxWidgetFieldWidget listBoxField)
            {
                fieldContent.Add($"列表框名稱：{listBoxField.Name}");
                fieldContent.Add("列表框選項：");
                // 遍歷并提取列表框中的所有選項
                foreach (PdfListWidgetItem item in listBoxField.Values)
                {
                    fieldContent.Add($"{item.Value}");
                }
                fieldContent.Add($"列表框選中項：{listBoxField.SelectedValue}");
            }
            // 檢查該域是否為下拉框
            else if (field is PdfComboBoxWidgetFieldWidget comboBoxField)
            {
                fieldContent.Add($"下拉框名稱：{comboBoxField.Name}");
                fieldContent.Add("下拉框選項：");
                // 遍歷并提取下拉框中的所有選項
                foreach (PdfListWidgetItem item in comboBoxField.Values)
                {
                    fieldContent.Add($"{item.Value}");
                }
                fieldContent.Add($"下拉框選中項：{comboBoxField.SelectedValue}");
            }
            // 檢查該域是否為單選按鈕
            else if (field is PdfRadioButtonListFieldWidget radioBtnField)
            {
                fieldContent.Add($"單選按鈕名稱：{radioBtnField.Name}");
                fieldContent.Add($"單選按鈕選中項：{radioBtnField.SelectedValue}");
            }
            // 檢查該域是否為復選框
            else if (field is PdfCheckBoxWidgetFieldWidget checkBoxField)
            {
                fieldContent.Add($"復選框名稱：{checkBoxField.Name}");
                fieldContent.Add($"復選框狀態(tài)：{(checkBoxField.Checked ? "選中" : "未選中")}");
            }
 
            // 返回當前表單域的內容
            return fieldContent;
        }
    }
}

C# 提取特定PDF表單域的數(shù)據(jù)

如果你需要從特定的表單域中提取數(shù)據(jù)，可以通過該表單域的名稱直接訪問它，然后通過判斷其類型對應地獲取其內容。

以下代碼展示了如何使用C# 從名為 “國家” 的PDF表單域中提取數(shù)據(jù)：

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 類實例，用于加載和處理 PDF 文件
            using (PdfDocument doc = new PdfDocument())
            {
                // 加載包含表單域的 PDF 文件
                doc.LoadFromFile("表單.pdf");
 
                // 創(chuàng)建列表來存儲提取的表單域名稱及其值
                List<string> content = new List<string>();
 
                // 獲取 PDF 文檔的表單對象
                PdfFormWidget formWidget = doc.Form as PdfFormWidget;
 
                // 指定域名稱
                string fieldName = "國家";
 
                // 檢查表單對象中是否包含表單域
                if (formWidget?.FieldsWidget.Count > 0)
                {
                    // 通過名稱訪問特定表單域
                    PdfField specificField = formWidget.FieldsWidget[fieldName];
 
                    // 確保域存在再進行處理
                    if (specificField != null)
                    {
                        // 提取特定表單域的內容（名稱和值）
                        List<string> specificFieldContent = ExtractFieldContent(specificField);
 
                        // 如果提取到內容，則將其添加到 content 列表中
                        if (specificFieldContent.Count > 0)
                        {
                            content.AddRange(specificFieldContent);
                        }
                    }
                    else
                    {
                        content.Add($"未找到域 '{fieldName}'");
                    }
                }
                else
                {
                    content.Add("PDF 表單中未找到任何域");
                }
 
                // 將提取的內容逐行寫入文本文件
                File.WriteAllLines("提取特定域數(shù)據(jù).txt", content);
            }
        }
 
        /// <summary>
        /// 提取單個 PDF 表單域的內容（名稱和值）
        /// 處理不同類型的表單域，如文本框、列表框、下拉框、單選按鈕和復選框
        /// </summary>
        /// <param name="field">當前 PDF 表單域對象</param>
        /// <returns>包含表單域內容的字符串列表</returns>
        private static List<string> ExtractFieldContent(PdfField field)
        {
            // 初始化列表來存儲當前表單域的內容
            List<string> fieldContent = new List<string>();
 
            // 檢查該域是否為文本框
            if (field is PdfTextBoxFieldWidget textBoxField)
            {
                // 將文本框的名稱和值添加到列表中
                fieldContent.Add($"文本框名稱：{textBoxField.Name}");
                fieldContent.Add($"文本框值：{textBoxField.Text}");
            }
            // 檢查該域是否為列表框
            else if (field is PdfListBoxWidgetFieldWidget listBoxField)
            {
                fieldContent.Add($"列表框名稱：{listBoxField.Name}");
                fieldContent.Add("列表框選項：");
                foreach (PdfListWidgetItem item in listBoxField.Values)
                {
                    fieldContent.Add($"{item.Value}");
                }
                fieldContent.Add($"列表框選中項：{listBoxField.SelectedValue}");
            }
            // 檢查該域是否為下拉框
            else if (field is PdfComboBoxWidgetFieldWidget comboBoxField)
            {
                fieldContent.Add($"下拉框名稱：{comboBoxField.Name}");
                fieldContent.Add("下拉框選項：");
                foreach (PdfListWidgetItem item in comboBoxField.Values)
                {
                    fieldContent.Add($"{item.Value}");
                }
                fieldContent.Add($"下拉框選中項：{comboBoxField.SelectedValue}");
            }
            // 檢查該域是否為單選按鈕
            else if (field is PdfRadioButtonListFieldWidget radioBtnField)
            {
                fieldContent.Add($"單選按鈕名稱：{radioBtnField.Name}");
                fieldContent.Add($"單選按鈕選中項：{radioBtnField.SelectedValue}");
            }
            // 檢查該域是否為復選框
            else if (field is PdfCheckBoxWidgetFieldWidget checkBoxField)
            {
                fieldContent.Add($"復選框名稱：{checkBoxField.Name}");
                fieldContent.Add($"復選框狀態(tài)：{(checkBoxField.Checked ? "選中" : "未選中")}");
            }
 
            // 返回當前表單域的內容列表
            return fieldContent;
        }
    }
}

以上就是使用C# 讀取PDF表單域數(shù)據(jù)的全部內容。

到此這篇關于C#提取PDF表單數(shù)據(jù)的實現(xiàn)流程的文章就介紹到這了,更多相關C#提取PDF表單數(shù)據(jù)內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: