PDF에서 테이블 데이터 추출하기

프로그래밍 방식으로 PDF에서 테이블 추출하기

PDF에서 테이블을 추출하는 것은 테이블이 다양한 방식으로 생성될 수 있기 때문에 간단한 작업이 아닙니다.

Aspose.PDF for .NET은 테이블을 쉽게 검색할 수 있는 도구를 제공합니다. 테이블 데이터를 추출하려면 다음과 같은 단계를 수행해야 합니다:

1. 문서 열기 - Document 객체를 인스턴스화합니다;
2. TableAbsorber 객체를 생성합니다.
4. TableList는 AbsorbedTable의 목록입니다. 데이터를 얻으려면 TableList를 순회하면서 RowList와 CellList를 처리하세요.
5. 각 AbsorbedCell은 TextFragments 컬렉션을 포함하고 있습니다. 이를 원하는 목적으로 처리할 수 있습니다.

다음 코드 스니펫은 Aspose.PDF.Drawing 라이브러리와 함께 작동합니다.

다음 예제는 모든 페이지에서 표 추출을 보여줍니다:

public static void Extract_Table()
{
    // Load source PDF document
    var filePath="<... enter path to pdf file here ...>";
    Aspose.Pdf.Document pdfDocument = new Aspose.Pdf.Document(filePath);                       
    foreach (var page in pdfDocument.Pages)
    {
        Aspose.Pdf.Text.TableAbsorber absorber = new Aspose.Pdf.Text.TableAbsorber();
        absorber.Visit(page);
        foreach (AbsorbedTable table in absorber.TableList)
        {
            Console.WriteLine("Table");
            foreach (AbsorbedRow row in table.RowList)
            {
                foreach (AbsorbedCell cell in row.CellList)
                {                                 
                    foreach (TextFragment fragment in cell.TextFragments)
                    {
                        var sb = new StringBuilder();
                        foreach (TextSegment seg in fragment.Segments)
                            sb.Append(seg.Text);
                        Console.Write($"{sb.ToString()}|");
                    }                           
                }
                Console.WriteLine();
            }
        }
    }
}

PDF 페이지 특정 영역의 테이블 추출

각 흡수된 테이블은 페이지상의 테이블 위치를 설명하는 Rectangle 속성을 가지고 있습니다.

따라서 특정 지역에 위치한 테이블을 추출해야 할 경우, 특정 좌표와 함께 작업해야 합니다.

다음 코드 스니펫은 Aspose.PDF.Drawing 라이브러리와도 함께 작동합니다.

다음 예제는 사각형 주석으로 표시된 테이블을 추출하는 방법을 보여줍니다:

public static void Extract_Marked_Table()
{
    // 소스 PDF 문서 로드
    var filePath="<... 여기에 pdf 파일 경로 입력 ...>";
    Aspose.Pdf.Document pdfDocument = new Aspose.Pdf.Document(filePath);  
    var page = pdfDocument.Pages[1];
    var squareAnnotation =
        page.Annotations.FirstOrDefault(ann => ann.AnnotationType == Annotations.AnnotationType.Square)
        as Annotations.SquareAnnotation;


    Aspose.Pdf.Text.TableAbsorber absorber = new Aspose.Pdf.Text.TableAbsorber();
    absorber.Visit(page);

    foreach (AbsorbedTable table in absorber.TableList)
    {
        var isInRegion = (squareAnnotation.Rect.LLX < table.Rectangle.LLX) &&
        (squareAnnotation.Rect.LLY < table.Rectangle.LLY) &&
        (squareAnnotation.Rect.URX > table.Rectangle.URX) &&
        (squareAnnotation.Rect.URY > table.Rectangle.URY);

        if (isInRegion)
        {
            foreach (AbsorbedRow row in table.RowList)
            {
                foreach (AbsorbedCell cell in row.CellList)
                {

                    foreach (TextFragment fragment in cell.TextFragments)
                    {
                        var sb = new StringBuilder();
                        foreach (TextSegment seg in fragment.Segments)
                        {
                            sb.Append(seg.Text);
                        }
                        var text = sb.ToString();
                        Console.Write($"{text}|");
                    }
                }
                Console.WriteLine();
            }
        }
    }
}

PDF에서 테이블 데이터 추출하고 CSV 파일에 저장하기

다음 예제는 테이블을 추출하여 CSV 파일로 저장하는 방법을 보여줍니다. PDF를 엑셀 스프레드시트로 변환하는 방법은 PDF를 엑셀로 변환하기 문서를 참조하세요.

다음 코드 조각은 Aspose.PDF.Drawing 라이브러리와 함께 작동합니다.

public static void Extract_Table_Save_CSV()
{
    // 완전한 예제와 데이터 파일은 https://github.com/aspose-pdf/Aspose.PDF-for-.NET 에서 확인하세요.

    // PDF 문서 로드
    Document pdfDocument = new Document(_dataDir + "input.pdf");

    // ExcelSave Option 객체 인스턴스화
    ExcelSaveOptions excelSave = new ExcelSaveOptions { Format = ExcelSaveOptions.ExcelFormat.CSV };

    // 출력을 XLS 형식으로 저장
    pdfDocument.Save("PDFToXLS_out.xlsx", excelSave);
}