【扫描件PDF】如何批量识别扫描件PDF多个区域内容保存到Excel表格，基于WPF和腾讯OCR的详细解决方案

在很多实际业务场景中，需要对大量扫描件 PDF 中的特定区域内容进行识别并整理到 Excel 表格里，以下是一些常见的应用场景：物流运单扫描件 PDF 中包含发货人信息、收货人信息、货物信息等。批量识别这些区域内容到 Excel 表格，有助于物流企业对订单信息进行管理和跟踪。

详细代码步骤

1. 准备工作

创建 WPF 项目：打开 Visual Studio，创建一个新的 WPF 应用程序项目。
注册腾讯云账号并开通 OCR 服务 ：访问腾讯云官网（腾讯云产业智变·云启未来 - 腾讯），注册账号并开通 OCR 服务，获取 API 密钥（SecretId 和 SecretKey）。
安装必要的 NuGet 包 ：在 Visual Studio 中，右键点击项目，选择 "管理 NuGet 包"，搜索并安装 Newtonsoft.Json 用于处理 JSON 数据，以及 RestEase 用于进行 HTTP 请求。

2. 设计 WPF 界面

在 MainWindow.xaml 文件中设计一个简单的界面，包含选择 PDF 文件夹按钮、开始识别按钮和显示识别结果的文本框，代码如下：

xml

复制代码

<Window x:Class="PdfOcrToExcel.MainWindow"
        xmlns="http://schemas.microsoft.com/winfx/2006/xaml/presentation"
        xmlns:x="http://schemas.microsoft.com/winfx/2006/xaml"
        Title="批量识别扫描件 PDF 内容到 Excel" Height="350" Width="525">
    <Grid>
        <Button Content="选择 PDF 文件夹" HorizontalAlignment="Left" Margin="10,10,0,0" VerticalAlignment="Top" Width="150" Click="SelectPdfFolder_Click"/>
        <TextBox x:Name="txtPdfFolderPath" HorizontalAlignment="Left" Height="23" Margin="170,10,0,0" TextWrapping="Wrap" VerticalAlignment="Top" Width="300" IsReadOnly="True"/>
        <Button Content="开始识别" HorizontalAlignment="Left" Margin="10,50,0,0" VerticalAlignment="Top" Width="150" Click="StartRecognition_Click"/>
        <TextBox x:Name="txtResult" HorizontalAlignment="Left" Height="200" Margin="10,90,0,0" TextWrapping="Wrap" VerticalAlignment="Top" Width="500" IsReadOnly="True"/>
    </Grid>
</Window>

3. 实现逻辑代码

在 MainWindow.xaml.cs 文件中实现选择文件夹、识别 PDF 区域内容并保存到 Excel 的逻辑，代码如下：

csharp

复制代码

using System;
using System.Collections.Generic;
using System.IO;
using System.Linq;
using System.Windows;
using Newtonsoft.Json;
using RestEase;
using Spire.Pdf;
using Spire.Pdf.Graphics;
using Spire.Xls;

// 定义腾讯 OCR API 接口
[SerializationMethods(Query = QuerySerializationMethod.Serialized)]
public interface ITencentOcrApi
{
    [Post("https://ocr.tencentcloudapi.com/")]
    Task<HttpResponseMessage> DetectGeneralText([Body(BodySerializationMethod.UrlEncoded)] Dictionary<string, string> parameters);
}

namespace PdfOcrToExcel
{
    public partial class MainWindow : Window
    {
        private string pdfFolderPath;
        private const string SecretId = "your_secret_id";
        private const string SecretKey = "your_secret_key";

        public MainWindow()
        {
            InitializeComponent();
        }

        private void SelectPdfFolder_Click(object sender, RoutedEventArgs e)
        {
            var dialog = new System.Windows.Forms.FolderBrowserDialog();
            System.Windows.Forms.DialogResult result = dialog.ShowDialog();
            if (result == System.Windows.Forms.DialogResult.OK)
            {
                pdfFolderPath = dialog.SelectedPath;
                txtPdfFolderPath.Text = pdfFolderPath;
            }
        }

        private async void StartRecognition_Click(object sender, RoutedEventArgs e)
        {
            if (string.IsNullOrEmpty(pdfFolderPath))
            {
                MessageBox.Show("请先选择 PDF 文件夹！");
                return;
            }

            // 创建 Excel 工作簿
            Workbook workbook = new Workbook();
            Worksheet worksheet = workbook.Worksheets[0];
            int rowIndex = 1;

            // 遍历 PDF 文件夹中的所有 PDF 文件
            string[] pdfFiles = Directory.GetFiles(pdfFolderPath, "*.pdf");
            foreach (string pdfFile in pdfFiles)
            {
                try
                {
                    // 加载 PDF 文件
                    PdfDocument pdf = new PdfDocument();
                    pdf.LoadFromFile(pdfFile);

                    // 假设需要识别的区域（这里简单示例一个区域，可根据实际情况修改）
                    PdfRectangle rect = new PdfRectangle(100, 100, 200, 50);

                    // 将 PDF 页面转换为图片
                    System.Drawing.Bitmap image = pdf.Pages[0].ToImage(0, rect);
                    byte[] imageBytes = ImageToByteArray(image);

                    // 调用腾讯 OCR 进行识别
                    string ocrResult = await PerformOcr(imageBytes);

                    // 将识别结果写入 Excel 单元格
                    worksheet.Range[rowIndex, 1].Text = Path.GetFileName(pdfFile);
                    worksheet.Range[rowIndex, 2].Text = ocrResult;

                    rowIndex++;

                    pdf.Close();
                }
                catch (Exception ex)
                {
                    MessageBox.Show($"处理文件 {pdfFile} 时出错：{ex.Message}");
                }
            }

            // 保存 Excel 文件
            workbook.SaveToFile("ExtractedData.xlsx", ExcelVersion.Version2013);
            MessageBox.Show("信息提取完成，已保存为 ExtractedData.xlsx");
        }

        private byte[] ImageToByteArray(System.Drawing.Bitmap image)
        {
            using (MemoryStream ms = new MemoryStream())
            {
                image.Save(ms, System.Drawing.Imaging.ImageFormat.Jpeg);
                return ms.ToArray();
            }
        }

        private async Task<string> PerformOcr(byte[] imageBytes)
        {
            var api = RestClient.For<ITencentOcrApi>("https://ocr.tencentcloudapi.com/");

            // 生成签名等参数（此处简化，实际需根据腾讯云文档生成正确签名）
            var parameters = new Dictionary<string, string>
            {
                { "Action", "DetectGeneralText" },
                { "Version", "2018-11-19" },
                { "Region", "ap-guangzhou" },
                { "SecretId", SecretId },
                { "Timestamp", DateTimeOffset.UtcNow.ToUnixTimeSeconds().ToString() },
                { "Nonce", new Random().Next(100000).ToString() },
                { "ImageBase64", Convert.ToBase64String(imageBytes) }
            };

            // 调用 API
            var response = await api.DetectGeneralText(parameters);
            string responseContent = await response.Content.ReadAsStringAsync();

            // 解析 JSON 结果
            var result = JsonConvert.DeserializeObject<dynamic>(responseContent);
            string text = "";
            if (result.Response.TextDetections != null)
            {
                foreach (var detection in result.Response.TextDetections)
                {
                    text += detection.DetectedText;
                }
            }

            return text;
        }
    }
}

4. 代码解释

选择 PDF 文件夹：点击 "选择 PDF 文件夹" 按钮，弹出文件夹选择对话框，用户选择包含扫描件 PDF 的文件夹，选择结果会显示在文本框中。
开始识别 ：点击 "开始识别" 按钮，程序会遍历所选文件夹中的所有 PDF 文件。对于每个 PDF 文件，将指定区域转换为图片，调用腾讯 OCR API 进行文字识别，将识别结果和文件名写入 Excel 表格。最后保存 Excel 文件为 ExtractedData.xlsx。
腾讯 OCR 调用 ：使用 RestEase 库进行 HTTP 请求，将图片转换为 Base64 编码后作为参数传递给腾讯 OCR API。解析 API 返回的 JSON 结果，提取识别出