在 C# 中获取 PDF 表单（AcroForm）中已填写的内容，主要依赖于第三方 PDF 处理库。目前
主流且推荐的方案是使用 iText 7 或 Spire.PDF。以下是基于不同库的具体实现方法及关键注意事项。
方案一：使用 iText 7（推荐，适合 .NET Core/.NET 6+）
iText 7 是目前功能最强大且维护活跃的库，能够很好地处理中文、复杂表单结构及签名域。
1. 安装 NuGet 包
bash
Install-Package itext7
Install-Package itext7.pdfa
2. 核心代码实现
以下代码展示了如何遍历所有表单域并提取其名称和值：
csharp
using iText.Kernel.Pdf;
using iText.Forms;
using iText.Forms.Fields;
using System;
using System.Collections.Generic;
public class PdfFormExtractor
{
public static Dictionary<string, string> ExtractFormData(string pdfPath)
{
var formData = new Dictionary<string, string>();
// 使用 PdfReader 加载文件，确保元数据完整
using (PdfReader reader = new PdfReader(pdfPath))
using (PdfDocument pdfDoc = new PdfDocument(reader))
{
// 获取 AcroForm 对象
PdfAcroForm acroForm = PdfAcroForm.GetAcroForm(pdfDoc, false);
if (acroForm != null)
{
// 获取所有字段名称
IList<string> fieldNames = acroForm.GetFieldNames();
foreach (string fieldName in fieldNames)
{
PdfFormField field = acroForm.GetField(fieldName);
// 跳过签名域，避免干扰或错误
if (field.GetFieldType().Equals(PdfName.SIG))
continue;
// 获取字段值
string value = field.GetValueAsString();
// 存入字典，key为字段名，value为填写内容
formData[fieldName] = value ?? string.Empty;
}
}
// 重要：必须调用 Close 以确保资源释放和数据完整性
pdfDoc.Close();
}
return formData;
}
}
3. 关键注意事项
中文字体问题：如果提取到的中文显示为乱码或空块，通常是因为 PDF 内部字体嵌入问题。但在读取场景下，
GetValueAsString() 通常能正确返回 Unicode 字符串。如果遇到显示问题，需检查 PDF 阅读器端的字体支持，
而非代码提取逻辑。
字段名区分大小写：PDF 表单字段名是严格区分大小写的，且可能包含复杂的前缀（如 form1.TextField1）。
建议先打印所有 fieldNames 以确认确切名称。
关闭文档：务必调用 pdfDoc.Close() 而不是仅依赖 Dispose，以确保底层流正确刷新。
方案二：使用 Spire.PDF for .NET（易用性高）
Spire.PDF 提供了更面向对象的 API，适合快速开发，尤其是对不同类型的表单控件（文本框、复选框等）有专门的类支持。
1. 安装 NuGet 包
bash
Install-Package Spire.PDF
2. 核心代码实现
csharp
using Spire.Pdf;
using Spire.Pdf.Fields;
using Spire.Pdf.Widget;
using System.Collections.Generic;
public class SpirePdfExtractor
{
public static List<Dictionary<string, string>> ExtractFormData(string pdfPath)
{
var result = new List<Dictionary<string, string>>();
// 加载 PDF 文档
using (PdfDocument doc = new PdfDocument())
{
doc.LoadFromFile(pdfPath);
// 获取表单对象
PdfFormWidget formWidget = doc.Form as PdfFormWidget;
if (formWidget != null && formWidget.FieldsWidget.List.Count > 0)
{
foreach (PdfField field in formWidget.FieldsWidget.List)
{
var fieldData = new Dictionary<string, string>();
string fieldName = field.Name;
string fieldValue = string.Empty;
// 根据字段类型提取值
if (field is PdfTextBoxFieldWidget textBox)
{
fieldValue = textBox.Text;
}
else if (field is PdfCheckBoxFieldWidget checkBox)
{
fieldValue = checkBox.Checked ? "True" : "False";
}
else if (field is PdfRadioButtonListFieldWidget radio)
{
fieldValue = radio.SelectedValue;
}
else if (field is PdfComboBoxFieldWidget comboBox)
{
fieldValue = comboBox.SelectedValue;
}
else if (field is PdfListBoxFieldWidget listBox)
{
fieldValue = listBox.SelectedValue;
}
fieldData["Name"] = fieldName;
fieldData["Value"] = fieldValue;
result.Add(fieldData);
}
}
}
return result;
}
}
方案三：使用 iTextSharp 5（仅限旧项目维护）
警告：iTextSharp 5 已停止维护，不支持 .NET Core/.NET 6+，且存在已知漏洞。仅建议在遗留的 .NET Framework 项目中暂时使用。
csharp
using iTextSharp.text.pdf;
using System.Collections.Generic;
public class LegacyPdfExtractor
{
public static Dictionary<string, string> ExtractFormData(string pdfPath)
{
var formData = new Dictionary<string, string>();
using (PdfReader reader = new PdfReader(pdfPath))
{
// 获取 AcroFields
AcroFields fields = reader.AcroFields;
// 获取所有字段名
foreach (string fieldName in fields.Fields.Keys)
{
// 获取字段值
string value = fields.GetField(fieldName);
formData[fieldName] = value;
}
}
return formData;
}
}
常见问题与最佳实践
如何处理 XFA 表单？
上述方法主要针对标准的 AcroForm。如果 PDF 使用的是动态 XFA 表单（常见于 Adobe LiveCycle 生成的表单），
iText 7 支持有限，可能需要使用 XfaForm 类进行 XML 解析。Spire.PDF 对 XFA 的支持也相对有限。对于复杂 XFA，
建议先转换为标准 AcroForm 或使用 Adobe SDK。
字段值为空怎么办？
检查字段是否被设置为“只读”。
确认字段名是否正确（使用调试器打印所有字段名）。
某些字段可能没有默认值，用户未填写时即为空字符串。
性能优化
如果需要批量处理大量 PDF，建议复用 PdfReader 实例（线程安全需注意）或使用并行处理（Parallel.ForEach），但需确保每个线程独立加载文档。
安全性
如果 PDF 包含数字签名，提取数据时不要修改文档结构，否则会导致签名失效。上述读取操作均为只读，不会影响签名。
选择哪种方案取决于你的项目环境：
.NET Core / .NET 6+ 新项目：首选 iText 7。
需要简单 API 且预算允许：选择 Spire.PDF。
旧版 .NET Framework 项目：可继续使用 iTextSharp 5，但建议逐步迁移。