C# 提取PDF表单数据

目录

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

---

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(field);// 如果提取到域内容，则将其添加到 content 列表中if (currentFieldContent.Count > 0){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：{textBoxField.Text}");}// 检查该域是否为列表框else if (field is PdfListBoxWidgetFieldWidget listBoxField){fieldContent.Add($"列表框名称：{listBoxField.Name}");fieldContent.Add("列表框选项：");// 遍历并提取列表框中的所有选项foreach (PdfListWidgetItem item in listBoxField.Values){fieldContent.Add($"{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 PdfComboBoxWidgetFieldWidget 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。感谢阅读！