Skip to content
DemoFAQ

PDF 生成模板编辑器

开源可视化 PDF 生成引擎,支持自定义模板,并提供面向开发者的 API,灵活构建文档生成流程。

查看 GitHub

PDF 转 Excel — C ​

PDF 转 Excel ​

概述 ​

ComPDFKit Conversion SDK 支持将 PDF文档转换为 Excel 格式(.xlsx)。通过从 PDF 中提取、解析数据并将其导入 Excel 以方便用户进一步编辑、分析或共享 Excel 文件。此功能有助于提高工作效率,减少手动输入错误并简化复杂的文档处理任务。

转换选项 ​

该格式只使用 CConvertOption 中的以下选项,其他选项不生效:

选项默认值含义
excel_csv_formatfalse输出 .xlsx 工作簿时须关闭;开启时改为输出 CSV(见“PDF 转 CSV”)。
excel_worksheet_optione_CForTablee_CForTable:每个表格一个工作表,只输出表格;e_CForPage:每页一个工作表;e_CForDocument:所有内容放在一个工作表。未开启 OCR 的图片输入总是按 e_CForPage 输出。
excel_all_contentfalse同时输出表格以外的内容(文字、图片、页眉页脚);关闭时只保留表格。e_CForTable 时不生效。
enable_ai_layouttrue使用 AI 版面分析识别段落、表格、图片、页眉页脚和公式;关闭时使用基于规则的版面分析。许可证不含 AI 版面分析权限时不生效。
enable_ai_table_recognitiontrue使用表格模型识别表格结构;关闭时根据表格线重建表格结构。只对 AI 版面分析(enable_ai_layout 开启)找到的表格生效。
table_recognition_accuracye_CBalanced表格模型:e_CBalanced 使用基础模型 documentai.model,e_CHighAccuracy 使用 table_legacy.model 模型包。只在使用内置表格模型进行 AI 表格识别时生效。未加载对应精度的模型时,转换仍然成功,表格改用基于规则的方式识别。
contain_imagetrue保留源文件中的图片和矢量图形。只在输出表格以外的内容时可见(excel_all_content 开启且为 e_CForPage 或 e_CForDocument);只输出表格时不含图片。
contain_annotationtrue将注释的外观以图片输出。只对未经 OCR 识别的 PDF 页面生效,且只在输出表格以外的内容时可见。
enable_ocrfalse在 ocr_option 选定的页面上用 OCR 识别文字。许可证不含 OCR 权限时不生效。
ocr_optione_CAllOCR 处理的范围:e_CAll 识别所有页面;e_CScanPage 只识别图片(扫描)页面;e_CInvalidCharacter 重新识别其他页面上无法读取的字符;e_CInvalidCharacterAndScanPage 两者都做。只在 enable_ocr 开启时生效。
languages / language_countNULL / 0OCR 识别语言;未指定语言时使用英文。只在 enable_ocr 开启时生效。
enable_document_orientation_classificationfalseOCR 前检测页面旋转方向并将页面图像转正。只在 enable_ocr 开启时生效。
enable_document_dewarpfalseOCR 前对弯曲、变形的页面照片做矫正展平。只在 enable_ocr 开启时生效。
formula_to_imagetrue将公式以图片输出;关闭时以文本输出。只对 AI 版面分析找到的公式生效,且只在输出表格以外的内容时可见。
font_name空所有文字使用指定字体,如 "Arial";为空时自动选择字体。字体既未嵌入 PDF 也未安装在系统中时,该选项被忽略且不报错。
output_document_per_pagefalse每页输出一个工作簿,而不是整个文档输出一个工作簿。
page_ranges空要转换的页码,如 "1-3,5,7-9";为空时转换所有页。多帧图片输入时用于选择帧。
enable_auto_page_sizefalse仅图片输入:根据图片分辨率确定页面尺寸,并匹配到最接近的标准纸张;关闭时一个像素对应一个点(pt)。
custom_page_width / custom_page_height0仅图片输入:以点(pt,1 pt = 1/72 英寸)为单位指定页面宽和高,两者都须大于 0。优先于 enable_auto_page_size。

调用示例:

c
CConvertOption option = CPDF_DefaultConvertOption();
option.excel_worksheet_option = e_CForPage;
option.excel_all_content = true;
strcpy(option.page_ranges, "1-3");
CPDF_StartPDFToExcel(CPDF_TEXT("input.pdf"), CPDF_TEXT("password"), CPDF_TEXT("path/output.xlsx"), option, NULL);

设置 Excel 文件内容选项 ​

将 PDF 文件转换为 Excel 文件时需要注意以下两个选项的设置,它们将直接影响写入 Excel 文件的内容。

选项描述
excel_all_content开启时 sheet 中会包含 PDF 页面内除了表格之外的文本、图片内容。
excel_worksheet_option控制工作表的创建方式,取值见下表。
取值描述
e_CForTable一个表格对应一个 sheet(默认)。
e_CForPage一个 PDF 页面对应一个 sheet。
e_CForDocument整个 PDF 文档对应一个 sheet。

示例 ​

以下是完整的示例代码,演示了如何将 PDF 文档转换为 Excel 文档。

c
CConvertOption option = CPDF_DefaultConvertOption();
option.enable_ai_layout = true;
// 使用默认选项转换。
CPDF_StartPDFToExcel(CPDF_TEXT("excel.pdf"), CPDF_TEXT("password"), CPDF_TEXT("path/output.xlsx"), option, NULL);

// 设置将整个文档的表格写至一个 sheet。
option.excel_worksheet_option = e_CForDocument;
option.excel_all_content = false;
CPDF_StartPDFToExcel(CPDF_TEXT("excel.pdf"), CPDF_TEXT("password"), CPDF_TEXT("path/output_document.xlsx"), option, NULL);

// 设置转换除了表格以外的内容。
option.excel_all_content = true;
CPDF_StartPDFToExcel(CPDF_TEXT("excel.pdf"), CPDF_TEXT("password"), CPDF_TEXT("path/output_all.xlsx"), option, NULL);