我公司通过Excel中从外部公司接收数据。 我们出口到这个SQL服务器上运行的数据报告。 他们现在改变为PDF格式，有没有办法可靠端口从PDF中的数据并将其插入到我们的SQL Server 2008数据库？
这会需要写一个应用程序或者是有这样做的一个自动化的方式？
Answer 1:
这一切都取决于如何，他们已经包含在PDF中的数据。 一般来说，这里有两种可能的情况：
该数据只是一个PDF中的文本对象。 你需要使用一个工具从PDF提取文本，然后将其插入到你的数据库。
该数据包含在一个PDF表单字段中。 你需要使用一个工具从表单字段中提取数据，并将其插入到你的数据库。
但愿场景＃2适用于你，因为这正是PDF形式设计。 方案1是真的只是一个黑客，如果你没有任何其他选择，你会只使用。 从PDF中提取纯文本是不容易或准确正如您所料。
如果您收到一个PDF表单，那么所有你需要做的是匹配的PDF形式的权利领域在数据库中的相应字段，然后吸数据。 这个过程可能，如果你写了自己的应用程序可以完全自动化。
这会需要写一个应用程序或者是有这样做的一个自动化的方式？
是的，这两个选项需要编写一个应用程序或购买的应用程序。 如果你写你自己的应用程序，那么你就需要找到一个支持检索从表单字段数据，或从PDF文件中提取文本第三方PDF库。
Answer 2:
前面已经提到-你将不得不编写一个应用程序来做到这一点，但最好你就能够得到来自外部公司的原始数据，而不必处理PDF。
但是，如果你想从PDF中提取数据，我用iText的 ，并发现它是非常强大的，可靠的和最重要的-自由 。 它有Java和.NET版本- iTextSharp的是.NET版本。 它允许您以编程方式操纵PDF文档，它会在PDF的内容暴露给您编写的应用程序。
Answer 3:
免责声明：我与下属的制造商ByteScout PDF SDK提取工具
只是想分享从PDF文本数据提取一些额外的现实生活场景：
- 扫描的图像，没有搜索的文本：应该由OCR引擎处理（如免费的Tesseract从谷歌）
- XFA表单 ：它是由Adobe工具大多是支持PDF的子集。 但是，数据可以被提取为低水平PDF处理工具，如XML数据iTextSharp的或类似的工具。
- ZUGFeRD PDF文件，这是附带的XML文件格式的数据副本只是PDF文档（可以用一样的工具来提取此 ）
- 文本由一些PDF发电机正确编码（可通过OCR引擎可以恢复一些可接受的误差率虽然）。
Answer 4:
使用iTextSharp的，请执行下列操作
using System;
using System.Configuration;
using System.Data.SqlClient;
using System.IO;
using System.Text;
using iTextSharp.text.pdf;
protected void BtnSubmit_Click(object sender, EventArgs e)
{
String FilePath = @"GetFilePath";
StringBuilder sb = new StringBuilder();
PdfReader reader = new PdfReader(FilePath);
PdfStamper myStamp = new PdfStamper(reader, new FileStream(FilePath + "_TMP", FileMode.Create));
AcroFields form = myStamp.AcroFields;
if (form.GetField("GetFieldIdFromPDF") != null)
sb.Append(form.GetField("GetFieldIdFromPDF").ToString());
}
Answer 5:
我想你将不得不为此编写的应用程序。 这个问题谈到从PDF中提取数据 。 在此之后，你可以将数据导出为Excel格式，使您可以保留现有的导入格式。
Answer 6:
Look for information on "Scraping" the data from the PDF. I believe Adobe has some tools that allow you to do this for simple text but I've not used them.
Honestly though, I would try to do anything you can to get this data in a raw format from your vendor.
文章来源: How to extract data from a PDF?
