如何在C#中提取包含复选框（X）数据的PDF表单

先明确PDF复选框的两种核心类型 #

PDF里的复选框主要分两类，处理方式完全不同：

• 交互式表单域复选框：属于PDF表单控件，有明确的状态属性，是最容易处理的类型
• 静态图形复选框：用普通图形（比如带勾的方框、填充色块）绘制，无表单属性，需要图像识别辅助

处理交互式表单域复选框（iTextSharp实现） #

如果你的PDF是带表单的交互式文档，用iTextSharp可以直接读取复选框状态，之前没成功可能是没用到正确的API：

using iTextSharp.text.pdf;
using System;

class PdfCheckboxExtractor
{
    static void Main(string[] args)
    {
        using (PdfReader reader = new PdfReader("target.pdf"))
        {
            AcroFields formFields = reader.AcroFields;
            
            foreach (string fieldName in formFields.Fields.Keys)
            {
                // 过滤出复选框类型字段
                if (formFields.GetFieldType(fieldName) == AcroFields.FIELD_TYPE_CHECKBOX)
                {
                    // 获取当前状态："Off"代表未选中，其他值（通常是"Yes"）代表选中
                    string rawStatus = formFields.GetField(fieldName);
                    bool isChecked = !rawStatus.Equals("Off", StringComparison.OrdinalIgnoreCase);
                    
                    // 可选：获取该复选框的所有可选状态，适配非标准配置
                    string[] allStates = formFields.GetAppearanceStates(fieldName);
                    Console.WriteLine($"复选框 [{fieldName}] 选中状态：{isChecked} | 可选状态：{string.Join(",", allStates)}");
                }
            }
        }
    }
}

注意：部分PDF的复选框选中值可能不是"Yes"（比如"On"或自定义值），用GetAppearanceStates可以拿到所有合法状态，再判断当前值是否属于选中态。

处理静态图形复选框 #

如果复选框是用普通图形绘制的（没有表单属性），常规表单提取工具无法直接获取状态，需要用以下两种方式：

方式1：提取PDF内部图形路径判断

用iTextSharp解析页面的图形内容，判断复选框是否被填充或包含打勾路径：

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

class ShapeRenderListener : IRenderListener
{
    public List<PdfPath> Paths { get; } = new List<PdfPath>();

    public void BeginTextBlock() { }
    public void EndTextBlock() { }
    public void RenderText(TextRenderInfo renderInfo) { }

    public void RenderPath(PathRenderInfo renderInfo)
    {
        // 记录所有图形路径，后续判断是否是复选框的填充/勾线
        Paths.Add(renderInfo.GetPath());
    }
}

// 使用示例
using (PdfReader reader = new PdfReader("target.pdf"))
{
    for (int page = 1; page <= reader.NumberOfPages; page++)
    {
        ShapeRenderListener listener = new ShapeRenderListener();
        PdfContentStreamProcessor processor = new PdfContentStreamProcessor(listener);
        processor.ProcessContent(PdfReader.GetPageContent(page), reader);
        
        // 遍历提取的路径，根据复选框的尺寸、填充状态判断是否选中
        foreach (var path in listener.Paths)
        {
            // 这里需要根据你的复选框特征（比如正方形、填充色）做判断逻辑
            bool isFilled = path.IsFilled();
            // 补充：判断是否有打勾的路径（比如折线、曲线）
        }
    }
}

方式2：OCR图像识别

将PDF页面转为图片，用Tesseract或OpenCV识别复选框内的标记（勾、叉、填充）：

1. 用iTextSharp将PDF页面转为Bitmap
2. 定位复选框的坐标区域（可以先提取文本位置辅助定位）
3. 对区域内的图像做二值化，判断是否有标记图形

额外注意事项 #

• 加密PDF需要先调用reader.UnlockWithPassword("password")解密
• 部分老旧PDF可能将复选框标记为PushButton类型，需要额外判断formFields.GetFieldType(fieldName) == AcroFields.FIELD_TYPE_PUSHBUTTON并检查外观状态
• 如果用的是iText 7（新版），API会有差异，核心逻辑是访问PdfAcroForm和PdfCheckbox对象

内容的提问来源于stack exchange，提问作者Waqas Ahmed