用EXCEL VBA解析PDF的文本内容(完整代码带注释说明)

满足VBA成功解析文本PDF文件条件：

1.被解析的PDF文件来源一定是文本文件，比如Word，TXT，或者网页生成的。扫描机，图片等生成的PDF文件，如果解析内容，需要使用OCR方法，不在本文探讨范围。

2.VBA解析PDF,需要使用到Adobe公司的PDF VBAProhect加载项 API文件（acrobat.tlb），所以需要电脑安装Adobe PDF 专业版（Pro）。

3.被解析的PDF文件的底层字符不能加密，比如有些银行的回单PDF是文本的PDF文件，但是你直接copy文件内容出来都是乱码，解析出来的也是乱码。

确认电脑是否安装Adobe PDF 专业版（Pro），如果没有安装请先安装。

成功安装后，在VBA 代码窗口加载PDF 文件解析的API文件（acrobat.tlb）；

如下图操作：工具-引用-选择 Adobe Acrobat 9.0 Type Library ；

注意其中的 “9.0”，是版本号，你安装的可能不是9.0，是10.0等版本，根据实际情况准确选择。

下面是完整代码，在Adobe Acrobat 9.0 Pro(或者Adobe Acrobat Pro DC 10.0)，EXCEL 365 （或者EXCEL2016），Windows 10 测试OK：

Private Sub CommandButton1_Click()

'解析PDF文件,不支持图片

sTime = Timer'为计算运算耗时使用的,初始时间

Dim filename As String

Dim AC_PD As New Acrobat.AcroPDDoc

Dim AC_Hi As Acrobat.AcroHiliteList

Dim AC_PG As Acrobat.AcroPDPage

Dim AC_PGTxt As Acrobat.AcroPDTextSelect

Dim Ct_Page As Long

Dim i As Long, j As Long

Dim T_Str As String

Application.ScreenUpdating = False

Set AC_PD = New Acrobat.AcroPDDoc '生成新的PDF文件对象

Set AC_Hi = New Acrobat.AcroHiliteList '新的PDF文本字符对象

AC_Hi.Add 0, 32767 '限制字符个数,单页PDF文本字符不能超出32767个

With AC_PD

filename = "D:\ABC.PDF" '需要解析的文件名,带路径

.Open filename '打开PDF文件

Ct_Page = .GetNumPages '得到PDF文件页数

If Ct_Page = -1 Then '如果pdf文件页数不对,-1表示找不到文件或者是无法打开文件

MsgBox "请确认PDF文件 '" & PDF_File & "'"

.Close '关闭打开的PDF文件

Set AC_PGTxt = Nothing

Set AC_PG = Nothing

Set AC_Hi = Nothing

Set AC_PD = Nothing

End If

For i = 1 To Ct_Page '从PDF第一页 到最后一页

T_Str = ""

Set AC_PG = .AcquirePage(i - 1) '得到当前页,PDF页码索引值是0开始的

Set AC_PGTxt = AC_PG.CreateWordHilite(AC_Hi) '得到文字列表

If Not AC_PGTxt Is Nothing Then'如果PDF内有文本字符的情况

With AC_PGTxt

For j = 0 To .GetNumText - 1'字符数量索引也是从0开始

T_Str = T_Str & .GetText(j) '获得文本,合并PDF每一个字符

Next j

End With

End If

Sheet1.Range("A" & i + 1).Value = i'把PDF页码填到A列

Sheet1.Range("B" & i + 1).Value = T_Str'得到的PDF文本,填到工作表B列;

'这里的文本是带换行符等格式,如果需要去掉格式,空格,可以用EXCEL函数处理,例如:

Sheet1.Range("C" & i + 1).Value =
Application.WorksheetFunction.Clean(WorksheetFunction.Trim(T_Str))'去掉格式和空格的

Next i

.Close'关闭打开的PDF文件

End With

'释放对象

Set AC_PGTxt = Nothing

Set AC_PG = Nothing

Set AC_Hi = Nothing

Set AC_PD = Nothing

'整理格式,行高取消自动换行

With Sheet1.Rows(2 & ":" & i)

.WrapText = False

.ShrinkToFit = False

End With

Application.ScreenUpdating = true

MsgBox "数据计算完毕!用时" & Round(Timer - sTime, 2) & "秒。" & Round((Timer - sTime) / 60, 4) & "分钟。"

End Sub

如果你对EXCEL VBA操作PDF文件感兴趣,敬请关注我,后面更精彩。