教程：批量提取PDF页面指定区域位置的内容，将内容保存到Excel表格，基于WPF的实现过程和方案，可以提取电子发票等类型的PDF文档，将明细保存表格

一、应用场景

在处理大量 PDF 文件时，可能只需要提取特定区域的信息，如合同中的关键条款、报表中的特定数据等。将这些提取的信息保存到 Excel 表格中，便于后续的数据分析、整理和存储。

界面设计

• 文件选择按钮：用于选择要处理的 PDF 文件或文件夹。
• 区域设置输入框：输入要提取内容的 PDF 页面区域位置（如左上角坐标、宽度和高度）。
• 处理按钮：点击后开始提取 PDF 指定区域的内容并保存到 Excel。
• 进度条：显示处理进度。
• 结果显示框：显示处理结果，如成功提取的文件数量、错误信息等。

详细代码步骤

步骤 1：创建 WPF 项目

在 Visual Studio 中创建一个新的 WPF 项目。

步骤 2：设计界面（MainWindow.xaml）

<Window x:Class="PdfToExcelExtractor.MainWindow"
        xmlns="http://schemas.microsoft.com/winfx/2006/xaml/presentation"
        xmlns:x="http://schemas.microsoft.com/winfx/2006/xaml"
        Title="PDF内容提取器" Height="450" Width="800">
    <Grid>
        <Button Content="选择PDF文件" HorizontalAlignment="Left" Margin="20,20,0,0" VerticalAlignment="Top" Width="150" Click="SelectPdfFiles_Click"/>
        <Label Content="区域设置 (X, Y, Width, Height):" HorizontalAlignment="Left" Margin="20,60,0,0" VerticalAlignment="Top"/>
        <TextBox x:Name="RegionTextBox" HorizontalAlignment="Left" Height="23" Margin="200,60,0,0" TextWrapping="Wrap" VerticalAlignment="Top" Width="200"/>
        <Button Content="开始处理" HorizontalAlignment="Left" Margin="20,100,0,0" VerticalAlignment="Top" Width="150" Click="ProcessFiles_Click"/>
        <ProgressBar x:Name="ProgressBar" HorizontalAlignment="Left" Height="20" Margin="20,140,0,0" VerticalAlignment="Top" Width="740"/>
        <TextBox x:Name="ResultTextBox" HorizontalAlignment="Left" Height="250" Margin="20,180,0,0" TextWrapping="Wrap" VerticalAlignment="Top" Width="740" IsReadOnly="True"/>
    </Grid>
</Window>

步骤 3：实现逻辑（MainWindow.xaml.cs）

using System;
using System.Collections.Generic;
using System.IO;
using System.Linq;
using System.Windows;
using iTextSharp.text.pdf;
using iTextSharp.text.pdf.parser;
using Microsoft.Office.Interop.Excel;

namespace PdfToExcelExtractor
{
    public partial class MainWindow : Window
    {
        private List<string> pdfFiles = new List<string>();
        private string regionSettings;

        public MainWindow()
        {
            InitializeComponent();
        }

        private void SelectPdfFiles_Click(object sender, RoutedEventArgs e)
        {
            var openFileDialog = new Microsoft.Win32.OpenFileDialog();
            openFileDialog.Multiselect = true;
            openFileDialog.Filter = "PDF Files (*.pdf)|*.pdf";
            if (openFileDialog.ShowDialog() == true)
            {
                pdfFiles = openFileDialog.FileNames.ToList();
                ResultTextBox.Text = $"已选择 {pdfFiles.Count} 个PDF文件。";
            }
        }

        private void ProcessFiles_Click(object sender, RoutedEventArgs e)
        {
            regionSettings = RegionTextBox.Text;
            if (pdfFiles.Count == 0)
            {
                MessageBox.Show("请先选择PDF文件。");
                return;
            }
            if (string.IsNullOrEmpty(regionSettings))
            {
                MessageBox.Show("请输入区域设置。");
                return;
            }

            var region = ParseRegion(regionSettings);
            if (region == null)
            {
                MessageBox.Show("区域设置格式错误，请输入 X, Y, Width, Height。");
                return;
            }

            var excelApp = new Application();
            var workbook = excelApp.Workbooks.Add();
            var worksheet = workbook.ActiveSheet;

            int row = 1;
            foreach (var pdfFile in pdfFiles)
            {
                try
                {
                    var content = ExtractPdfContent(pdfFile, region.Value);
                    worksheet.Cells[row, 1] = Path.GetFileName(pdfFile);
                    worksheet.Cells[row, 2] = content;
                    row++;
                    ProgressBar.Value = (double)pdfFiles.IndexOf(pdfFile) / pdfFiles.Count * 100;
                }
                catch (Exception ex)
                {
                    ResultTextBox.Text += $"\n处理 {pdfFile} 时出错: {ex.Message}";
                }
            }

            workbook.SaveAs("ExtractedContent.xlsx");
            workbook.Close();
            excelApp.Quit();

            ResultTextBox.Text += "\n处理完成，结果已保存到 ExtractedContent.xlsx。";
        }

        private System.Drawing.Rectangle? ParseRegion(string settings)
        {
            var parts = settings.Split(',');
            if (parts.Length == 4 && int.TryParse(parts[0], out int x) && int.TryParse(parts[1], out int y) &&
                int.TryParse(parts[2], out int width) && int.TryParse(parts[3], out int height))
            {
                return new System.Drawing.Rectangle(x, y, width, height);
            }
            return null;
        }

        private string ExtractPdfContent(string pdfFile, System.Drawing.Rectangle region)
        {
            using (var reader = new PdfReader(pdfFile))
            {
                var page = reader.GetPageN(1);
                var strategy = new RegionTextRenderFilter(region);
                var renderListener = new FilteredTextRenderListener(new LocationTextExtractionStrategy(), strategy);
                return PdfTextExtractor.GetTextFromPage(reader, 1, renderListener);
            }
        }
    }
}

总结优化

• 性能优化：处理大量 PDF 文件时，可考虑使用多线程并行处理，提高处理速度。
• 错误处理：目前的错误处理比较简单，可进一步细化，如处理 PDF 文件损坏、Excel 保存失败等情况。
• 界面优化：可以添加更多的交互提示，如鼠标悬停提示、进度条动画等，提升用户体验。
• 功能扩展：支持选择多个页面、提取多个区域的内容，以及自定义 Excel 表格的格式和布局。

注意事项

• 此代码依赖于 iTextSharp 和 Microsoft.Office.Interop.Excel 库，需要在项目中添加相应的引用。
• 运行代码前，请确保系统中安装了 Microsoft Excel，因为使用了 Microsoft.Office.Interop.Excel 进行 Excel 文件的操作。

以上代码和方案可以帮助你实现批量提取 PDF 页面指定区域位置的内容，并保存到 Excel 表格的功能。