在处理以 PDF 格式存储的报告、发票或数据集时，开发人员常常需要在电子表格、数据库或分析工具中复用其中的表格数据。一个常见的解决方案是 使用 Java 将 PDF 转换为 CSV，因为 CSV 文件轻量、结构化，并且几乎在所有平台上都兼容。与文本或图片导出不同，PDF 转 CSV 的核心是 从 PDF 中提取表格并保存为 CSV。
E-iceblue旗下Spire系列产品，是文档处理领域的佼佼者，支持国产化信创。借助 Spire.PDF for Java，可以检测 PDF 中的表格结构，并通过少量代码实现自动化导出。本文将逐步讲解如何借助Spire.PDF for Java 在 Java 中完成 PDF 到 CSV 的转换——从环境搭建，到表格提取，再到处理多页文档或单页多表等复杂情况。
Java PDF 转 CSV 的环境搭建
在使用 Java 提取表格并转换为 CSV 之前，需要先搭建开发环境。这包括选择合适的库并将其添加到项目中。
为什么选择 Spire.PDF for Java
由于 PDF 文件本身不支持直接导出为 CSV，因此通过代码提取表格是更现实的做法。Spire.PDF for Java 提供了检测 PDF 文档中表格结构并直接保存为 CSV 的 API，使转换过程更简单高效。
安装 Spire.PDF for Java
如果使用 Maven，可以添加以下配置：
<repositories>
<repository>
<id>com.e-iceblue</id>
<name>e-iceblue</name>
<url>https://repo.e-iceblue.cn/repository/maven-public/</url>
</repository>
</repositories>
<dependencies>
<dependency>
<groupId>e-iceblue</groupId>
<artifactId>spire.pdf</artifactId>
<version>11.8.3</version>
</dependency>
</dependencies>
如果没有使用 Maven，可以直接 下载 Spire.PDF for Java 安装包，并将 JAR 文件添加到项目的 classpath 中。
从 PDF 提取表格并保存为 CSV
将 PDF 转换为 CSV 最实用的方法就是表格提取。使用 Spire.PDF for Java，可以通过以下步骤完成：
- 加载 PDF 文档
- 使用 PdfTableExtractor 检测页面中的表格
- 按行收集单元格内容
- 将结果写入 CSV 文件
下面的 Java 示例展示了完整的转换流程：
Java 示例代码：PDF 转换为 CSV
import com.spire.pdf.*;
import com.spire.pdf.utilities.*;
import java.io.*;
public class PdfToCsvExample {
public static void main(String[] args) throws Exception {
// 加载 PDF 文档
PdfDocument pdf = new PdfDocument();
pdf.loadFromFile("Sample.pdf");
// 用于存储提取文本的 StringBuilder
StringBuilder sb = new StringBuilder();
// 遍历每一页
for (int i = 0; i < pdf.getPages().getCount(); i++) {
PdfTableExtractor extractor = new PdfTableExtractor(pdf);
PdfTable[] tableLists = extractor.extractTable(i);
if (tableLists != null) {
for (PdfTable table : tableLists) {
for (int row = 0; row < table.getRowCount(); row++) {
for (int col = 0; col < table.getColumnCount(); col++) {
// 安全处理 CSV 字段
String cellText = escapeCsvField(table.getText(row, col));
sb.append(cellText);
if (col < table.getColumnCount() - 1) {
sb.append(",");
}
}
sb.append("\n");
}
}
}
}
// 写入 CSV 文件
try (Writer writer = new OutputStreamWriter(
new FileOutputStream("output/PDFTable.csv"), "UTF-8")) {
writer.write(sb.toString());
}
pdf.close();
System.out.println("PDF 表格已成功导出为 CSV。");
}
// 处理 CSV 字段的工具方法
private static String escapeCsvField(String text) {
if (text == null) return "";
// 去掉换行
text = text.replaceAll("[\\n\\r]", "");
// 特殊字符处理
if (text.contains(",") || text.contains(";") || text.contains("\"") || text.contains("\n")) {
text = text.replace("\"", "\"\""); // 转义双引号
text = "\"" + text + "\""; // 添加引号
}
return text;
}
}
代码讲解
- PdfDocument：将 PDF 文件加载到内存
- PdfTableExtractor：逐页检测表格
- PdfTable：提供对行和列的访问
- escapeCsvField()：去掉换行并处理特殊字符
- StringBuilder：拼接单元格内容，使用逗号分隔
- 最终结果写入 Output.csv，可直接在 Excel 或任意编辑器中打开
运行代码后生成的 CSV 文件示例：
处理复杂的 PDF 转 CSV 场景
实际应用中，PDF 文件常常包含多个表格、跨多页，或表格结构不规则。下面介绍如何应对这些情况。
1. 单页包含多个表格
extractTable(i) 返回的 PdfTable[] 包含该页中检测到的所有表格，可以将每个表单独保存为不同的 CSV 文件：
for (int i = 0; i < pdf.getPages().getCount(); i++) {
PdfTableExtractor extractor = new PdfTableExtractor(pdf);
PdfTable[] tableLists = extractor.extractTable(i);
if (tableLists != null) {
for (int t = 0; t < tableLists.length; t++) {
PdfTable table = tableLists[t];
StringBuilder tableContent = new StringBuilder();
for (int row = 0; row < table.getRowCount(); row++) {
for (int col = 0; col < table.getColumnCount(); col++) {
tableContent.append(escapeCsvField(table.getText(row, col)));
if (col < table.getColumnCount() - 1) {
tableContent.append(",");
}
}
tableContent.append("\n");
}
try (Writer writer = new OutputStreamWriter(
new FileOutputStream("output/Tables/Table_Page" + i + "_Index" + t + ".csv"), "UTF-8")) {
writer.write(sb.toString());
}
}
}
}
示例：将单页的多个表格导出为独立 CSV 文件：
2. 跨页或大表格
如果表格跨越多页，可以逐页提取并 追加写入，以避免覆盖：
StringBuilder sb = new StringBuilder();
for (int i = 0; i < pdf.getPages().getCount(); i++) {
PdfTableExtractor extractor = new PdfTableExtractor(pdf);
PdfTable[] tables = extractor.extractTable(i);
if (tables != null) {
for (PdfTable table : tables) {
for (int row = 0; row < table.getRowCount(); row++) {
for (int col = 0; col < table.getColumnCount(); col++) {
sb.append(escapeCsvField(table.getText(row, col)));
if (col < table.getColumnCount() - 1) sb.append(",");
}
sb.append("\n");
}
}
}
}
FileWriter writer = new FileWriter("MergedTables.csv");
writer.write(sb.toString());
writer.close();
示例：将跨多页的大表格合并为一个 CSV 文件：
3. 格式限制
CSV 只能存储纯文本，像合并单元格、字体、图片等格式会丢失。如果需要保留样式，可以导出为 Excel（.xlsx）。
4. CSV 特殊字符处理
在写入 CSV 时，逗号、分号、双引号、换行等特殊字符可能会破坏文件结构。 上述 Java 示例中的 escapeCsvField 方法可以去除换行并安全转义。
更复杂的场景下，可以使用 Spire.XLS for Java,通过简单的 Java 代码将表格数据写入 Excel，再将 Excel 工作表保存为 CSV，无需手动处理特殊字符。
总结
在 Java 中将 PDF 转换为 CSV，本质上就是 提取表格并保存为结构化格式。CSV 文件轻量、通用，非常适合存储和分析表格数据。通过搭建 Spire.PDF for Java 环境并参考本文示例代码，即可实现自动化转换，减少手动操作并提高效率。
常见问题
Q: 可以把 PDF 转换为 CSV 吗？
A: 可以。虽然图片和带格式的文本无法导出，但表格数据可以提取并保存为 CSV。
Q: 如何在 Java 中从 PDF 提取数据
A: 使用 Spire.PDF for Java 等 PDF 库，可以解析文档、检测表格并导出为 CSV 或 Excel。
Q: 最好的 PDF 转 CSV 工具是什么？
A: 对于 Java 开发者来说，Spire.PDF for Java 等代码级解决方案比手动转换工具更灵活高效。
Q: 如何使用 Java 将 PDF 转换为 Excel？
A: 步骤与导出 CSV 类似，不同之处在于将数据保存为 Excel 格式，以便支持更多功能。