如何用iText API从PDF提取表格数据并加载到JTable？

你当前用iText提取了PDF整页的文本行，但要精准拿到表格内容，得针对表格的结构做针对性处理，这里有几个实用的方案：

1. 升级到iText 7使用专门的表格提取API #

如果可以升级iText版本，iText 7提供了更易用的表格提取工具，能直接识别PDF中的表格结构，不用自己处理文本拆分。示例代码如下：

import com.itextpdf.kernel.pdf.PdfDocument;
import com.itextpdf.kernel.pdf.PdfReader;
import com.itextpdf.kernel.pdf.canvas.parser.listener.TableExtractor;
import com.itextpdf.layout.element.Table;
import java.util.List;

public class PdfTableExtractor {
    public static void main(String[] args) throws Exception {
        PdfDocument pdfDoc = new PdfDocument(new PdfReader("quotation.pdf"));
        // 提取第3页的所有表格
        TableExtractor extractor = new TableExtractor(pdfDoc);
        List<Table> tables = extractor.extractTable(3);
        
        for (Table table : tables) {
            int rowCount = table.getNumberOfRows();
            int colCount = table.getNumberOfColumns();
            // 遍历表格行和列，获取单元格内容
            for (int row = 0; row < rowCount; row++) {
                for (int col = 0; col < colCount; col++) {
                    String cellContent = table.getCell(row, col).getText();
                    System.out.print(cellContent + "\t");
                    // 这里可以直接把cellContent添加到JTable的DefaultTableModel中
                }
                System.out.println();
            }
        }
        pdfDoc.close();
    }
}

这个方法的优势是iText会自动处理表格的边框、单元格合并等复杂情况，提取结果更准确。

2. 用iText 5的底层解析器定位表格区域（如果不想升级版本） #

如果你继续使用iText 5，可以通过自定义RenderListener来识别表格的坐标范围，只提取该区域内的文本。核心思路是：

• 解析PDF页面的线条，找到表格的边界（上下左右坐标）
• 重写renderText方法，判断文本的位置是否在表格区域内，只保留符合条件的文本

示例代码片段：

import com.itextpdf.text.pdf.PdfReader;
import com.itextpdf.text.pdf.parser.PdfReaderContentParser;
import com.itextpdf.text.pdf.parser.RenderListener;
import com.itextpdf.text.pdf.parser.TextRenderInfo;
import com.itextpdf.text.Rectangle;

public class TableAreaExtractor implements RenderListener {
    private Rectangle tableBounds; // 表格的边界矩形，需要提前确定
    private StringBuilder tableText = new StringBuilder();

    public TableAreaExtractor(Rectangle tableBounds) {
        this.tableBounds = tableBounds;
    }

    @Override
    public void beginTextBlock() {}

    @Override
    public void renderText(TextRenderInfo renderInfo) {
        // 获取文本的位置矩形
        Rectangle textRect = renderInfo.getBaseline().getBoundingRectange();
        // 判断文本是否在表格区域内
        if (tableBounds.contains(textRect)) {
            tableText.append(renderInfo.getText()).append("\n");
        }
    }

    @Override
    public void endTextBlock() {}

    @Override
    public void renderImage(com.itextpdf.text.pdf.parser.ImageRenderInfo renderInfo) {}

    public String getTableText() {
        return tableText.toString();
    }
}

// 使用方式
PdfReader reader = new PdfReader("quotation.pdf");
PdfReaderContentParser parser = new PdfReaderContentParser(reader);
// 假设表格的坐标是x=50, y=200, width=500, height=300，需要根据实际PDF调整
Rectangle tableBounds = new Rectangle(50, 200, 550, 500);
TableAreaExtractor listener = new TableAreaExtractor(tableBounds);
parser.processContent(3, listener);
String tableText = listener.getTableText();
// 拆分表格行和单元格
String[] tableLines = tableText.split("\r\n|\r|\n");
for (String line : tableLines) {
    String[] cells = line.split("\\s{2,}"); // 按多个空格拆分单元格
    // 将cells添加到JTable模型
}
reader.close();

注意：表格的坐标需要你通过PDF工具（比如Adobe Acrobat的测量工具）获取，或者通过解析页面的线条自动识别，后者需要额外处理线条解析的逻辑。

3. 基于文本格式特征过滤表格行 #

如果你的PDF表格格式非常规整（比如有固定的起始/结束标识、每行有固定数量的分隔符），可以在现有代码基础上添加过滤逻辑。比如：

import com.itextpdf.text.pdf.PdfReader;
import com.itextpdf.text.pdf.parser.PdfTextExtractor;
import java.util.Arrays;

public class SimpleTableFilter {
    public static void main(String[] args) throws Exception {
        PdfReader reader = new PdfReader("quatation.pdf");
        String textFromPage = PdfTextExtractor.getTextFromPage(reader, 3);
        String[] lines = textFromPage.split("\r\n|\r|\n");

        // 假设表格从包含"Item No"的行开始，到包含"Total"的行结束
        boolean isInTable = false;
        for (String line : lines) {
            if (line.contains("Item No")) {
                isInTable = true;
            }
            if (isInTable) {
                // 拆分单元格，这里假设用多个空格作为分隔符
                String[] cells = line.split("\\s{2,}");
                // 添加到JTable模型
                System.out.println(Arrays.toString(cells));
            }
            if (line.contains("Total")) {
                isInTable = false;
            }
        }
        reader.close();
    }
}

这种方法简单快捷，但只适用于格式固定的表格，对复杂表格（比如单元格换行、合并）处理效果不好。

内容的提问来源于stack exchange，提问作者Uthpala Bandara