从文档页面提取表格

介绍

在本教程中，我们将探索如何使用 GroupDocs.Parser for .NET 从文档页面中提取表格。GroupDocs.Parser 是一个功能强大的库，允许开发人员处理各种文档格式，如 PDF、DOCX、XLSX 等。通过利用其功能，我们可以有效地从这些文档中提取表格等结构化数据，使我们能够以编程方式操作和分析信息。

先决条件

在开始之前，请确保您已准备好以下物品：

您的机器上安装了 Visual Studio。
对 C# 和 .NET 开发有基本的了解。
GroupDocs.Parser for .NET 库。您可以从以下位置下载这里.
访问包含要提取的表格的示例文档（PDF、DOCX 等）。

导入命名空间

首先，在 C# 项目中导入必要的命名空间：

using System;
using System.Collections.Generic;
using System.IO;
using System.Text;
using GroupDocs.Parser.Data;
using GroupDocs.Parser.Options;
using GroupDocs.Parser.Templates;

步骤 1：创建解析器类的实例

实例化Parser通过提供示例文档的路径来添加类：

using (Parser parser = new Parser("YourSampleFile.pdf"))
{
    //您的代码在这里继续...
}

步骤 2：检查文档表格提取支持

继续之前，请验证文档是否支持表格提取：

if (!parser.Features.Tables)
{
    Console.WriteLine("Document does not support table extraction.");
    return;
}

步骤 3：定义表格布局

定义要从文档中提取的表格的布局。根据文档的结构指定列宽和行高：

TemplateTableLayout layout = new TemplateTableLayout(
    new double[] { 50, 95, 275, 415, 485, 545 },  //列宽
    new double[] { 325, 340, 365, 395 });         //行高

步骤 4：配置表提取选项

使用指定的布局创建表格提取选项：

PageTableAreaOptions options = new PageTableAreaOptions(layout);

步骤 5：检索文档信息

获取有关文档的信息，包括页数：

IDocumentInfo documentInfo = parser.GetDocumentInfo();
if (documentInfo.PageCount == 0)
{
    Console.WriteLine("Document has no pages.");
    return;
}

步骤 6：迭代文档页面

遍历文档的每一页以提取表格：

for (int pageIndex = 0; pageIndex < documentInfo.PageCount; pageIndex++)
{
    Console.WriteLine($"Page {pageIndex + 1}/{documentInfo.PageCount}");
    //从当前页面提取表格
    IEnumerable<PageTableArea> tables = parser.GetTables(pageIndex, options);
    //迭代提取的表
    foreach (PageTableArea table in tables)
    {
        //迭代表格的行
        for (int row = 0; row < table.RowCount; row++)
        {
            //迭代表的列
            for (int column = 0; column < table.ColumnCount; column++)
            {
                //获取表格单元格
                PageTableAreaCell cell = table[row, column];
                if (cell != null)
                {
                    //打印表格单元格的文本
                    Console.Write(cell.Text);
                    Console.Write(" | ");
                }
            }
            Console.WriteLine();
        }
        Console.WriteLine();
    }
}

结论

在本教程中，我们介绍了使用 GroupDocs.Parser for .NET 从文档页面中提取表格的过程。通过遵循提供的步骤，您可以将表格提取功能无缝集成到 .NET 应用程序中，从而高效处理和操作文档中的结构化数据。

常见问题解答

GroupDocs.Parser 可以从所有类型的文档中提取表格吗？

GroupDocs.Parser 支持各种文档格式，如 PDF、DOCX、XLSX 等，可以从兼容的文件类型中提取表格。

GroupDocs.Parser for .NET 是否适合大规模文档处理？

是的，GroupDocs.Parser 旨在有效处理大型文档，使其适合处理大量数据集。

GroupDocs.Parser 在表格提取期间是否保留格式？

是的，GroupDocs.Parser 在表格提取期间保留了格式细节，例如单元格边框、文本样式和对齐方式。

我可以根据内容标准提取特定表格吗？

GroupDocs.Parser 提供灵活的选项，可以根据布局模板或内容条件针对特定表进行提取。

GroupDocs.Parser 是否与 .NET Core 兼容？

是的，GroupDocs.Parser 与 .NET Framework 和 .NET Core 环境兼容。

从文档中提取表格