0

Estou tentando ler tabelas de um certo arquivo pdf, utilizando o iTextSharp, encontrei muitas respostas que indicam utilizar o LocationTextExtractionStrategy, só que a minha tabela pode variar de posição ao longo das páginas do PDF.

Alguém tem alguma idéia de como posso resolver esse problema?

5
  • Você consegue ler o PDF como uma String Commented 28/08/2016 às 19:37
  • Eu sei, mas eu queria saber se é possível pegar a tabela de forma estruturada de um PDF Commented 28/08/2016 às 20:01
  • Se você tiver como ler o PDF e por algum caractere entre cada coluna e no final da linha. Você poderia usar um regex para capturar um padrão de string Commented 28/08/2016 às 20:07
  • Não sou eu que gero o pdf :/ Commented 28/08/2016 às 21:53
  • Eu não entendo muito sobre isso, mas você só conseguirá por string se você achar padrões antes, durante e depois da tabela. Mas se tiver uma maneira de uma função retornar a tabela como uma matriz seria muito bom. Commented 2/09/2016 às 8:02

1 Resposta 1

-1

Uma solução para ler uma tabela de um PDF é utilizar uma abordagem em duas etapas:

  1. Extrair o PDF em texto puro
  2. Interpretar o texto puro com alguma ferramenta;

Claro que está solução só é válida se o arquivo PDF é textual, ou seja, não é contido por uma imagem principal.

Com a biblioteca pdfbox.jar é possível extrair o texto passando o parâmetros básicos “ExtractText”. Ex.:

java -jar pdfbox.jar ExtractText C:\CAMINHO\ARQUIVO\PDF\relatorio.pdf c:\Caminho\Arquivo\Saida\Saida.txt

Cada linha no PDF será uma linha n arquivo de texto. Cada linha da tabela será também.

Com o arquivo de saída, você pode interpretar usando o Pattern que é uma ferramenta muito útil para esta finalidade. Desta forma então é possível ler os arquivos PDF.

Arquivo PDF de exemplo: inserir a descrição da imagem aqui

Saída em texto:
Supervisor:
Lanofu Silva
Data
06/09/2018
ID Produto Data Quantidade
3 Parafuso Allen 6” 04/09/2018 300
9 Eixo 127 Revest. 04/09/2018 500
15 Perfil 3 12x15 05/09/2018 400
72 Caixa metálica 15x15x5 02/09/2018 100
70 Engrenagem helicoidal 1” Nylon 01/09/2048 100
45 Heline Drone 5H-12BR 02/09/2018 130

Um exemplo de Patter para reconhecer cada entrada de produção da tabela:

Pattern padraoLinha = Patter.compile(“\d+\s.+\s\d{2}/\d{2}/\d{4}\s\d+”);
int countEntradaProducao = 0;
For(String linha : Files.readAllBytes(arquivoTexto.toPath())
{   
    if(padraoLinha.matcher(linha).matchs())
    {
        countEntradaProducao++;
        //Faço alguma coisa
    }
}

Você deve fazer log-in para responder a esta pergunta.

Esta não é a resposta que você está procurando? Pesquise outras perguntas com a tag .