【2026 最新教程】Java 自动化提取 PDF 表格：从文本到 Excel/CSV 的全场景实现

随着企业数据自动化的需求日益激增，提取 PDF 中的表格的需求也越来越受到重视。尽管此前我们就发布过使用 Java 提取 PDF 中的表格，并保存为 Text 文件的教程，但显然，简单的文本提取难以满足复杂的数据分析场景。
在处理财务报表、供应链清单等结构化文档时，开发者不仅需要获取数据，更需要保留其逻辑结构。本文将基于最新的 Spire.PDF for Java，展示如何精准地将 PDF 表格转换为文本、CSV 以及 Excel 格式，实现全场景的数据自动化提取。
环境准备

在进入今天的正文前，请确保你的开发环境已就绪：

• JDK 支持：推荐使用 JDK 8 及以上版本。
  
• Maven 依赖：在 pom.xml 文件中配置以下仓库和依赖，以获取最新的组件支持。
  

1. <repositories>
2.     <repository>
3.         <id>com.e-iceblue</id>
4.         <name>e-iceblue</name>
5.         <url>https://repo.e-iceblue.cn/repository/maven-public/</url>
6.     </repository>
7. </repositories>
8. <dependencies>
9.     <dependency>
10.         <groupId>e-iceblue</groupId>
11.         spire.pdf</artifactId>
12.         <version>11.12.16</version>
13.     </dependency>
14. </dependencies>

复制代码

或导航到 Spire.PDF for Java 的官方网站下载安装包，解压后将 jar 文件手动导入到项目中。
基础提取：将 PDF 表格转为文本

作为入门级方案，将 PDF 中的表格提取为文本适用于对格式要求不高、仅需获取原始信息的场景。
技术逻辑：利用 PdfTableExtractor 识别表格，通过遍历单元格获取字符串。

1. import com.spire.pdf.*;
2. import com.spire.pdf.utilities.PdfTable;
3. import com.spire.pdf.utilities.PdfTableExtractor;
5. import java.io.FileWriter;
6. import java.io.IOException;
8. public class ExtractTable {
9.     public static void main(String[] args)throws IOException {
10.         // 实例化PdfDocument类的对象
11.         PdfDocument pdf = new PdfDocument();
13.         // 加载PDF文档
14.         pdf.loadFromFile("E:/Administrator/Python1/input/项目进度.pdf");
16.         // 创建StringBuilder类的实例
17.         StringBuilder builder = new StringBuilder();
19.         // 创建PdfTableExtractor类的对象
20.         PdfTableExtractor extractor = new PdfTableExtractor(pdf);
22.         // 遍历每一页
23.         for (int page = 0; page < pdf.getPages().getCount(); page++)
24.         {
25.             // 提取页面中的表格存入PdfTable[]数组
26.             PdfTable[] tableLists = extractor.extractTable(page);
27.             if (tableLists != null && tableLists.length > 0)
28.             {
29.                 //遍历表格
30.                 for (PdfTable table : tableLists)
31.                 {
32.                     int row = table.getRowCount();//获取表格行
33.                     int column = table.getColumnCount();//获取表格列
34.                     for (int i = 0; i < row; i++)
35.                     {
36.                         for (int j = 0; j < column; j++)
37.                         {
38.                             // 获取表格中的文本内容
39.                             String text = table.getText(i, j);
41.                             // 将获取的text写入StringBuilder容器
42.                             builder.append(text+" ");
43.                         }
44.                         builder.append("\r\n");
45.                     }
46.                 }
47.             }
48.         }
50.         // 保存为txt文档
51.         FileWriter fileWriter = new FileWriter("E:/Administrator/Python1/output/提取表格为文本.txt");
52.         fileWriter.write(builder.toString());
53.         fileWriter.flush();
54.         fileWriter.close();
55.     }
56. }

复制代码

源文件与输出文件对比图：

方案一：最简化提取——将 PDF 表格导出为 CSV

虽然保存为文本格式能够快速获取内容，但在面对需要二次计算或数据入库的场景时，将 PDF 表格导出为 CSV 是一种更合适的选择。CSV 格式通用性很高，几乎可以被所有的主流数据库系统、数据分析工具以及编程语言无差识别，是构建自动化数据流转链路的理想中间格式。它不仅写入速度极快，且内存开销低，尤其适合后端批量处理任务。
技术逻辑：CSV（逗号分隔值）是结构化数据的标准格式。我们通过 PdfTableExtractor 获取表格数据后，通过代码控制逗号分隔符输出。

1. import com.spire.pdf.*;  
2. import com.spire.pdf.utilities.*;  
3.   
4. import java.io.*;  
5.   
6. public class ExtractTable {  
7.     public static void main(String[] args) throws Exception {  
8.         // 1. 加载 PDF 文档  
9.         PdfDocument pdf = new PdfDocument();  
10.         // 请确保路径正确  
11.         pdf.loadFromFile("E:/Administrator/Python1/input/项目进度.pdf");  
12.   
13.         // 用于存储提取文本的 StringBuilder        StringBuilder sb = new StringBuilder();  
14.   
15.         // 2. 遍历每一页并提取表格  
16.         for (int i = 0; i < pdf.getPages().getCount(); i++) {  
17.             PdfTableExtractor extractor = new PdfTableExtractor(pdf);  
18.             PdfTable[] tableLists = extractor.extractTable(i);  
19.   
20.             if (tableLists != null) {  
21.                 for (PdfTable table : tableLists) {  
22.                     for (int row = 0; row < table.getRowCount(); row++) {  
23.                         for (int col = 0; col < table.getColumnCount(); col++) {  
24.                             // 使用工具方法处理 CSV 特殊字符和换行  
25.                             String cellText = escapeCsvField(table.getText(row, col));  
26.                             sb.append(cellText);  
27.   
28.                             // 列之间用逗号分隔  
29.                             if (col < table.getColumnCount() - 1) {  
30.                                 sb.append(",");  
31.                             }  
32.                         }  
33.                         // 行之间用换行符分隔  
34.                         sb.append("\n");  
35.                     }  
36.                 }  
37.             }  
38.         }  
39.   
40.         // 3. 写入带 BOM 的 CSV 文件  
41.         File outFile = new File("E:/Administrator/Python1/output/提取表格为csv.csv");  
42.   
43.         // 确保输出目录存在  
44.         if (!outFile.getParentFile().exists()) {  
45.             outFile.getParentFile().mkdirs();  
46.         }  
47.   
48.         try (FileOutputStream fos = new FileOutputStream(outFile)) {  
49.             // 【核心修复】写入 UTF-8 BOM 字节，防止 Excel 打开乱码  
50.             fos.write(0xEF);  
51.             fos.write(0xBB);  
52.             fos.write(0xBF);  
53.   
54.             // 使用 UTF-8 编码包装输出流  
55.             try (Writer writer = new OutputStreamWriter(fos, "UTF-8")) {  
56.                 writer.write(sb.toString());  
57.             }  
58.         }  
59.   
60.         pdf.close();  
61.         System.out.println("PDF 表格已成功导出为 CSV 文件。");  
62.     }  
63.   
64.     /**  
65.      * 处理 CSV 字段的工具方法：  
66.      * 1. 去除单元格内的换行符  
67.      * 2. 转义双引号  
68.      * 3. 对包含特殊字符的字段添加双引号包裹  
69.      */  
70.     private static String escapeCsvField(String text) {  
71.         if (text == null) return "";  
72.   
73.         // 去掉单元格内的换行符（防止破坏 CSV 行结构）  
74.         text = text.replaceAll("[\\n\\r]", " ");  
75.   
76.         // 处理特殊字符  
77.         boolean containsSpecialChar = text.contains(",") || text.contains(";") ||  
78.                 text.contains(""") || text.contains("\n");  
79.   
80.         if (containsSpecialChar) {  
81.             // 转义双引号：将 " 替换为 ""            text = text.replace(""", """");  
82.             // 整个字段用双引号包裹  
83.             text = """ + text + """;  
84.         }  
85.   
86.         return text.trim();  
87.     }  
88. }

复制代码

结果文件示意图：

提示：在导出 CSV 时，建议对单元格内容使用双引号包裹，以处理数据本身含有逗号的情况。此外，确保文件使用 UTF-8 (with BOM) 编码，防止在 Excel 中直接打开时出现中文乱码。

方案二：结构化导出——将 PDF 表格直接转为 Excel

由于 CSV 只能存储纯文本，合并单元格、字体等格式在导出时会丢失。如果需要保留样式，应该选择将 PDF 中的表格提取为 Excel 文件。比如说处理财务报表、审计清单等文件，单元格样式与数据息息相关。通过导出为 Excel，你可以更好地保留原 PDF 文档中的布局，避免对数据进行二次加工。
核心步骤：

• 加载源 PDF 文档。
  
• 遍历读取 PDF 中的表格单元格和数据。
  
• 将数据填入 Excel 单元格中。
  
• 设置 Excel 单元格（可选步骤）。
  
• 调用 saveToFile 并指定 FileFormat.XLSX。
  

1. import com.spire.pdf.PdfDocument;  
2. import com.spire.pdf.utilities.PdfTable;  
3. import com.spire.pdf.utilities.PdfTableExtractor;  
4. import com.spire.xls.ExcelVersion;  
5. import com.spire.xls.Workbook;  
6. import com.spire.xls.Worksheet;  
7.   
8. public class ExtractTable {  
9.   
10.     public static void main(String[] args) {  
11.   
12.         //加载示例PDF文档  
13.         PdfDocument pdf = new PdfDocument("E:/Administrator/Python1/input/项目进度.pdf");  
14.         //创建一个PdfTableExtractor实例  
15.         PdfTableExtractor extractor = new PdfTableExtractor(pdf);  
16.         //从第一页提取表格  
17.         PdfTable[] pdfTables  = extractor.extractTable(0);  
18.         //创建一个工作簿对象  
19.         Workbook wb = new Workbook();  
20.         //删除默认工作表  
21.         wb.getWorksheets().clear();  
22.         //如果找到任何表格  
23.         if (pdfTables != null && pdfTables.length > 0) {  
24.             //循环遍历表格  
25.             for (int tableNum = 0; tableNum < pdfTables.length; tableNum++) {  
26.                 //将工作表添加到工作簿  
27.                 String sheetName = String.format("Table - %d", tableNum + 1);  
28.                 Worksheet sheet = wb.getWorksheets().add(sheetName);  
29.                 //循环遍历当前表格中的行  
30.                 for (int rowNum = 0; rowNum < pdfTables[tableNum].getRowCount(); rowNum++) {  
31.                     //循环遍历当前表格中的列  
32.                     for (int colNum = 0; colNum < pdfTables[tableNum].getColumnCount(); colNum++) {  
33.                         //从当前表格单元格中提取数据  
34.                         String text = pdfTables[tableNum].getText(rowNum, colNum);  
35.                         //将数据插入特定单元格  
36.                         sheet.get(rowNum + 1, colNum + 1).setText(text);  
37.                     }  
38.                 }  
39.                 //自动调整列宽  
40.                 for (int sheetColNum = 0; sheetColNum < sheet.getColumns().length; sheetColNum++) {  
41.                     sheet.autoFitColumn(sheetColNum + 1);  
42.                 }  
43.             }  
44.         }  
45.         //将工作簿保存为 Excel 文件  
46.         wb.saveToFile("E:/Administrator/Python1/output/提取表格为excel.xlsx", ExcelVersion.Version2016);  
47.     }  
48. }

复制代码

效果展示：

进阶挑战：处理复杂的跨页提取

在实际业务中，我们常遇到长篇合同或大型清单，同一个表格被拆分到两个或多个物理页面。这种情况单纯依靠循环提取会导致数据断层。那么如何识别第二页顶部的表格是第一页末尾表格的延续？如何自动合并表头？
针对此类涉及坐标逻辑判断的高阶需求，我们准备了详细的进阶教程。感兴趣的话可以查看官网教程如何在 Java 中将 PDF 转换为 CSV（轻松提取 PDF 表格）
总结与技术支持

从提取 PDF 表格为文本，到涵盖 CSV 和 Excel 的全场景导出，技术工具的演进让 PDF 数据处理变得不再繁琐。通过 Spire.PDF for Java，你可以根据业务需求灵活选择轻量级的 CSV 方案或高保真的 Excel 方案。

来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！

热心回复！

感谢发布原创作品，程序园因你更精彩

前排留名，哈哈哈

收藏一下   不知道什么时候能用到

热心回复！