从.PDF文件中提取数据

我需要从.PDF文件中提取数据并将其加载到SQL 2008.任何人都可以告诉我如何继续？

Answer 1

以下是如何使用iTextSharp从PDF中提取文本数据的示例。 你必须把它弄清楚，以使它完全符合你的要求，我认为这是一个很好的轮廓。 您可以看到StringBuilder如何用于存储文本，但您可以轻松地将其更改为使用SQL。

static void Main(string[] args) { PdfReader reader = new PdfReader(@"c:\test.pdf"); StringBuilder builder = new StringBuilder(); for (int x = 1; x <= reader.NumberOfPages; x++) { PdfDictionary page = reader.GetPageN(x); IRenderListener listener = new SBTextRenderer(builder); PdfContentStreamProcessor processor = new PdfContentStreamProcessor(listener); PdfDictionary pageDic = reader.GetPageN(x); PdfDictionary resourcesDic = pageDic.GetAsDict(PdfName.RESOURCES); processor.ProcessContent(ContentByteUtils.GetContentBytesForPage(reader, x), resourcesDic); } } public class SBTextRenderer : IRenderListener { private StringBuilder _builder; public SBTextRenderer(StringBuilder builder) { _builder = builder; } #region IRenderListener Members public void BeginTextBlock() { } public void EndTextBlock() { } public void RenderImage(ImageRenderInfo renderInfo) { } public void RenderText(TextRenderInfo renderInfo) { _builder.Append(renderInfo.GetText()); } #endregion } 

Answer 2

想象一下，如果你问这个问题。 如何将任意文本文件中的数据加载到SQL表中。 挑战不是打开文本文件并阅读它，它会自动从文件中获取有意义的数据。

因此，您可以使用iText或pdfSharp来读取PDF文件，但是获取有意义的数据将成为挑战。

Answer 3

如果您的意思是元数据，试试这个问题（第一个答案）

使用iTextSharp读取/修改PDF元数据

你必须自己做数据库的东西。

Answer 4

您需要做的是使用工具首先从PDF中提取文本，然后将文件读入二进制读取器..然后将其存储到数据库中……为了提取文本，有几个工具可供使用。 首先要提到的是：

iTextsharp是一个图书馆，可以下载并用于在处理PDF文档时进行大量的工作和深入的编辑和构建，并且有很多在线可用的例子以及一本完整的书来解释它的来龙去脉

第二个工具是Adobe PDF iFilter ，它是adobe处理PDF修改和操作的工具。

福克斯iFilter也是一个类似的组件，可以做你想要的！

PDF Box也将为您服务！

这些是最知名的，记录良好的！ 检查以下示例：在代码项目上尝试以下示例：

使用PDFBox和IKVM.NET在.NET中解析PDF文件。

使用ITextSharp从PDF文档中提取纯文本的简单类

使用IFilter接口从各种文档类型中提取文本

用C＃.NET编写的PDF表单解析器
这些都可以完成，而且不难理解。 希望他们帮助你:-)

最后一点：对我而言，我会选择iTextSharp，因为它是有大多数可用示例的文档最齐全的库。