PDF是当今的裁决文件格式之一。它支持文本、图形、表格、注释和一系列其他元素。在某些情况下，您可能需要从 PDF 文档（如发票）中的表格中提取数据。为了以编程方式实现这一点，本文介绍了如何使用 Java 从 PDF 表格中提取数据。 从 PDF 表格中提取数据的 Java API

Aspose.PDF for Java是一个功能丰富的 API，用于创建和操作 PDF 文档。我们将使用此 API 从 PDF 文档的表格中提取数据。您可以  使用以下Maven 配置下载API 的 JAR 或将其安装在您的 Java 应用程序中 。

<repository>
    <id>AsposeJavaAPI</id>
    <name>Aspose Java API</name>
    <url>https://repository.aspose.com/repo/</url>
</repository>
<dependency>
    <groupId>com.aspose</groupId>
    <artifactId>aspose-pdf</artifactId>
    <version>21.9</version>
</dependency>

使用 Java 从 PDF 表格中提取数据

以下是使用 Java 从 PDF 中的表格中提取数据的步骤。

• 首先，使用Document类加载 PDF 文档。
• 使用Document.getPages()集合遍历 PDF 中的页面。
• 在每次迭代中，初始化TableAbsorber对象并使用TableAbsorber.visit(Page)方法访问所选页面。
• 在嵌套循环中，遍历TableAbsorber.getTableList()集合中的表列表。
• 对于集合中的每个AbsorbedTable，遍历来自AbsorbedTable.getRowList()的行集合。
• 对于集合中的每个AbsorbedRow，遍历来自AbsorbedRow.getCellList()的单元格集合。
• 最后，遍历TextFragment每个集合AbsorbedCell和打印文本。

从 PDF 页面的特定区域提取表格

以下是使用 Java 从 PDF 页面的特定部分提取表格的步骤。

• 首先，使用Document类加载 PDF 文档。
• 然后，从Document.getPages()集合中选择所需的页面。
• 提取页面的 Square 注释。
• 在每次迭代中，初始化TableAbsorber对象并使用TableAbsorber.visit(Page)方法访问所选页面。
• 在嵌套循环中，遍历TableAbsorber.getTableList()集合中的表列表。
• 检查吸收的表格是否在所需的页面区域中。
• 对于集合中的每个AbsorbedTable，使用AbsorbedTable.getRowList()遍历行集合。
• 对于集合中的每个AbsorbedRow，使用AbsorbedRow.getCellList()遍历单元格集合。
• 最后，遍历TextFragment每个集合AbsorbedCell和打印文本。