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。
ComPDF Conversion SDK 支持将 PDF文档转换为 Microsoft 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。
该格式只使用 ExcelOptions 中的以下选项,其他选项不生效:
| 选项 | 默认值 | 含义 |
|---|---|---|
CsvFormat | false | 输出 .xlsx 工作簿时须关闭;开启时改为输出 CSV(见“PDF 转 CSV”)。 |
WorksheetOption | ExcelWorksheetOption.e_ForTable | ExcelWorksheetOption.e_ForTable:每个表格一个工作表,只输出表格;ExcelWorksheetOption.e_ForPage:每页一个工作表;ExcelWorksheetOption.e_ForDocument:所有内容放在一个工作表。未开启 OCR 的图片输入总是按 ExcelWorksheetOption.e_ForPage 输出。 |
AllContent | false | 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。ExcelWorksheetOption.e_ForTable 时不生效。 |
EnableAiLayout | true | 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。 |
EnableAiTableRecognition | true | 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(EnableAiLayout 开启)找到的表格生效。 |
TableRecognitionAccuracy | TableRecognitionAccuracy.e_Balanced | 表格模型:TableRecognitionAccuracy.e_Balanced 使用基础模型 documentai.model,TableRecognitionAccuracy.e_HighAccuracy 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。 |
ContainImage | true | 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(AllContent 开启且为 ExcelWorksheetOption.e_ForPage 或 ExcelWorksheetOption.e_ForDocument);只输出表格时不含图片。 |
ContainAnnotation | true | 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。 |
EnableOCR | false | 在 OcrOption 选定的页面上用 OCR 识别文字。许可证不含 OCR 权限时不生效。 |
OcrOption | OCROption.e_All | OCR 处理的范围:OCROption.e_All 识别所有页面;OCROption.e_ScanPage 只识别图片(扫描)页面;OCROption.e_InvalidCharacter 重新识别其他页面上无法读取的字符;OCROption.e_InvalidCharacterAndScanPage 两者都做。只在 EnableOCR 开启时生效。 |
Languages | { OCRLanguage.e_ENGLISH } | OCR 识别语言;未指定语言时使用英文。只在 EnableOCR 开启时生效。 |
EnableDocumentOrientationClassification | false | OCR 前检测页面旋转方向并将页面图像转正。只在 EnableOCR 开启时生效。 |
EnableDocumentDewarp | false | OCR 前对弯曲、变形的页面照片做矫正展平。只在 EnableOCR 开启时生效。 |
FormulaToImage | true | 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。 |
FontName | 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。 |
OutputDocumentPerPage | false | 每页输出一个工作簿,而不是整个文档输出一个工作簿。 |
PageRanges | 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。 |
EnableAutoPageSize | false | 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)。 |
CustomPageWidth / CustomPageHeight | 0 | 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 EnableAutoPageSize。 |
调用示例:
ExcelOptions excelOptions = new ExcelOptions();
excelOptions.WorksheetOption = ExcelWorksheetOption.e_ForPage;
excelOptions.AllContent = true;
excelOptions.PageRanges = "1-3";
ErrorCode error = CPDFConversion.StartPDFToExcel("input.pdf", "password", "path/output.xlsx", excelOptions);将 PDF 文件转换为 Excel 文件时需要注意以下选项的设置,它将直接影响写入 Excel 文件的内容。
AllContent选项,转换后的Xlsx文件将包含PDF中的所有内容。| 选项 | 描述 |
|---|---|
ExcelWorksheetOption.e_ForTable | 一个表格对应一个 sheet 。 |
ExcelWorksheetOption.e_ForPage | 一页的表格对应一个sheet。 |
ExcelWorksheetOption.e_ForDocument | 一个文档的表格对应一个sheet。 |
以下是完整的示例代码,演示了如何将 PDF 文档转换为 XLSX 文档。
string inputFilePath = "***";
string password = "***";
string outputFileName = "***";
ExcelOptions excelOptions = new ExcelOptions();
ErrorCode error = CPDFConversion.StartPDFToExcel(inputFilePath, password, outputFileName, excelOptions);