使用iTextSharp迭代PDF表格行

Question

所以，我有一个带标签的Tagged PDF文件。正如您在此屏幕截图中看到的那样：

/ TABLE标签包含所有/ TR（行）和/ TD（单元格） 现在我尝试使用以下代码获取这些对象：

    PdfReader reader = new PdfReader("test.pdf");
    PdfObject dict = null;
    for (int i = 0; i < reader.XrefSize; i++)
    {
        PdfObject obj = reader.GetPdfObject(i);
        if (obj != null)
            if (obj.GetType() == typeof(PdfDictionary))
            {
                dict = ((PdfDictionary)obj).GetAsDict(PdfName.TABLE);
                if (dict != null)
                {
                    //Do Something
                }
            }
    }

但它永远不会捕获它们。我该怎么办？ 我还使用iText RUPS来调试PDF文件。我得到了这个：

Answer 1

你正试图重新发明轮子。当我查看你的代码时，我看到一个需要大量编程的过程的第一步，但是工作已经完成。

如果您使用的是iText 5，请查看此TaggedPdfReaderTool;如果您使用的是iText 7，请查看此TaggedPdfReaderTool。

我很久以前在我的书“iText in Action - Second Edition”的背景下写了这个工具。我把它写成概念证明，表明我可以将XML文件转换为Tagged PDF，并且我可以将Tagged PDF转换回原始的XML文件。

在iText 7中，这个工具得到了改进，现在它已经在我们的测试套件中使用了。我们创建标记PDF，在我们的测试中，我们将它们转换为XML。如果XML与“预烘焙”XML不对应，则测试失败。

您可以使用此工具将Tagged PDF转换为XML文件，然后处理该XML文件以提取表格。