将 PDF 文件转换为漂亮的表格答案

【问题标题】：Converting a PDF file to a nice table将 PDF 文件转换为漂亮的表格
【发布时间】：2011-03-21 12:23:20
【问题描述】：

我有这个 PDF 文件，它分为 5 列。

我查看并查看了 Stack Overflow（并疯狂地用 Google 搜索）并尝试了所有解决方案（包括尝试 Adobe Acrobat 本身的最后手段）。

但是，由于某种原因，我无法以 csv/xls 格式获取这 5 列 - 因为我需要对它们进行排列。通常当我导出它们时，格式很糟糕，所有条目都是逐行排列的，有些数据丢失。

http://www.2shared.com/document/PagE4A1T/ex1.html

这里是上面文件摘录的链接，但我真的很沮丧，我已经没有选择了。

【问题讨论】：

欢迎使用 stackoverflow。你想用什么语言来做这个？
您找到解决方案了吗？是否可以提供整个文件的链接，因为我编写了一个应该能够处理它的工具，并且有兴趣将它用作我的软件的测试。我很高兴将生成的 CSV 文件发送给您。

标签： pdf text pdf-scraping

【解决方案1】：

iText（或 iTextSharp）可以做到这一点，如果你能给它这 5 列的边界，并且愿意处理一些开销（即为每一列重新解析页面的文本）

Rectangle2D columnBoxArray[] = buildColumnBoxes();
ArrayList<String> columnTexts = new ArrayList<String>(columnBoxArray.length);
For (Rectangle2D columnBBox : columnBoxArray) {

  FilteredTextRenderListener textInRectStrategy = 
    new FilteredTextRenderListener(new LocationTextExtractionStrategy(), 
      new RegionTextRenderFilter( columnBBox ) );

  columnTexts.add(PdfTextExtractor.extractText( reader, pageNum, textInRectStrategy));
}

每一行文字都要用\n隔开，这样就变成了简单的字符串解析问题。

如果您不想为每一列重新解析整个页面，您可能会想出一个 FilteredTextRenderListener 的自定义实现，它需要多个侦听器/过滤器对。然后，您可以解析整个内容一次，而不是为每一列解析一次。

【讨论】：