如何用VBA获得PDF文件指定位置的信息

limonet

Sub Limonet()
    Dim WSHShell As Object, pdfFile$, RegExp As Object, Arr As Variant, i%, Brr(1 To 2) As Variant, j%, S$
    Set WSHShell = CreateObject("WScript.Shell")
    Set RegExp = CreateObject("vbscript.regexp")
    RegExp.Global = True
    pdfFile = ThisWorkbook.Path & "\中国中学生心理健康评定量表.pdf"
    WSHShell.Run """" & ThisWorkbook.Path & "\pdftotext.exe""  -enc UTF-8 """ & pdfFile & """", 0, True
    Arr = Range("A1:B1")
    With CreateObject("ADODB.Stream")
        .Type = 2: .Mode = 3: .Open
        .LoadFromFile Replace(pdfFile, ".pdf", ".txt")
        .Charset = "UTF-8": .Position = 2
        S = .ReadText
        For i = 1 To UBound(Arr, 2)
            RegExp.Pattern = Arr(1, i) & "： (.*?)\s"
            Brr(i) = RegExp.Replace(RegExp.Execute(S)(0), "$1")
        Next i
        .Close
    End With
    Range("A2").Resize(1, 2) = Brr
    Kill Replace(pdfFile, ".pdf", ".txt")
End Sub

limonet

(.*\s)+姓名： (.*?)\s(.*\s)+预警指数： (.)\s(.*\s)+
可以一次性获取，奈何吃性能。

opiona

PDF插件 for VBA 合并,提取,旋转等
https://club.excelhome.net/thread-1654951-1-1.html

zpy2

yang央 发表于 2024-3-30 16:25
itextsharp.dll这个可以读取那个PDF的内容，亲测可用。读出来的文字再用正则提取一下所要的信息就可以了

using System;
using iTextSharp.text.pdf;
using iTextSharp.text.pdf.parser;

class Program
{
    static void Main(string[] args)
    {
        string filePath = "path/to/your/document.pdf";
        
        try
        {
            // Create a PdfReader object to read the PDF document
            using (PdfReader reader = new PdfReader(filePath))
            {
                // Iterate through each page of the PDF document
                for (int page = 1; page <= reader.NumberOfPages; page++)
                {
                    // Extract text from the current page using PdfTextExtractor
                    string text = PdfTextExtractor.GetTextFromPage(reader, page);
                    
                    // Output the extracted text
                    Console.WriteLine($"Page {page}:\n{text}\n");
                }
            }
        }
        catch (Exception ex)
        {
            // Handle any exceptions
            Console.WriteLine($"An error occurred: {ex.Message}");
        }
    }
}
我这里读出来为啥有的是重复的字，你有这种情况吗？

andysky

limonet 发表于 2024-3-30 17:29
本想用关键字￥，奈何电脑性能跟不上。

pdftotext.exe 是免费的吗

zpy2

yang央 发表于 2024-3-30 16:25
itextsharp.dll这个可以读取那个PDF的内容，亲测可用。读出来的文字再用正则提取一下所要的信息就可以了

我这里itextsharp提取是有 重复的字，你这里提取的有没有

zpy2

andysky 发表于 2024-3-31 13:27
pdftotext.exe 是免费的吗

pdftotext是从xpdf官网下载的
可能是这个：
http://www.xpdfreader.com/download.html

zpy2

andysky 发表于 2024-3-31 13:27
pdftotext.exe 是免费的吗

GPL-2.0 license

limonet

andysky 发表于 2024-3-31 13:27
pdftotext.exe 是免费的吗

好像是免费的。

wanghan519

zpy2 发表于 2024-3-31 13:14
using System;
using iTextSharp.text.pdf;
using iTextSharp.text.pdf.parser;

是啊，我这也重复，添加第三个参数之后，是另一种重复