JavaでPDFの表を抽出してCSVに変換する方法

企業の業務やデータ分析の現場では、PDFファイルにレポートやリスト、統計データが保存されているケースがよくあります。しかし、PDFはデータ処理にはあまり適していません。CSVファイルであれば、Excelやデータベースでの利用が容易で、幅広いシステムに対応できます。
そのため、PDF内の表データを自動的に抽出し、CSVとして出力できる仕組みが求められます。

この記事では、Free Spire.PDF for Java を利用して、JavaプログラムでPDFの表をCSVファイルに変換する手順を詳しく解説します。

---

環境準備

プロジェクトに Free Spire.PDF for Java を導入する方法は2つあります。公式サイトから jar をダウンロードするか、Mavenを利用します。

<repositories>
    <repository>
        <id>com.e-iceblue</id>
        <name>e-iceblue</name>
        <url>https://repo.e-iceblue.cn/repository/maven-public/</url>
    </repository>
</repositories>
<dependency>
    <groupId>e-iceblue</groupId>
    <artifactId>spire.pdf.free</artifactId>
    <version>9.13.0</version>
</dependency>

---

PDF表をCSVに変換する流れ

JavaとFree Spire.PDFを組み合わせることで、PDFの読み込み → 表データ抽出 → CSV出力 までの流れを自動化できます。以下では手順をステップごとに解説します。

Step 1: PDFドキュメントを読み込む

まず、PdfDocument オブジェクトを作成し、処理対象のPDFを読み込みます。

import com.spire.pdf.*;

PdfDocument pdf = new PdfDocument();
pdf.loadFromFile("Sample.pdf");

---

Step 2: PDFの表データを抽出する

PdfTableExtractor クラスを使うと、PDF内の表を認識して抽出できます。抽出した表を行・列ごとに読み取り、StringBuilderでCSV形式に変換します。

import com.spire.pdf.utilities.*;
import java.io.*;

StringBuilder sb = new StringBuilder();

PdfTableExtractor extractor = new PdfTableExtractor(pdf);
// 1ページ目から表を抽出
PdfTable[] tables = extractor.extractTable(0);

if (tables != null) {
    // 最初の表を取得
    PdfTable table = tables[0];
    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");
    }
}

CSVではカンマや引用符などの特殊文字に注意が必要です。そのため、以下のようなメソッドを用意します。

private static String escapeCsvField(String text) {
    if (text == null) return "";
    text = text.replaceAll("[\\n\\r]", "");
    if (text.contains(",") || text.contains(";") || text.contains("\"")) {
        text = text.replace("\"", "\"\"");
        text = "\"" + text + "\"";
    }
    return text;
}

---

Step 3: CSVファイルとして保存する

組み立てたCSV文字列をファイルに書き込みます。

try (Writer writer = new OutputStreamWriter(
        new FileOutputStream("output/PDFTable.csv"), "UTF-8")) {
    writer.write(sb.toString());
}
pdf.close();
System.out.println("PDFの表をCSVに出力しました。");

---

完全なJavaコード例

import com.spire.pdf.*;
import com.spire.pdf.utilities.*;

import java.io.*;

public class PdfToCsvExample {
    public static void main(String[] args) throws Exception {
        PdfDocument pdf = new PdfDocument();
        pdf.loadFromFile("Sample.pdf");
        StringBuilder sb = new StringBuilder();

        PdfTableExtractor extractor = new PdfTableExtractor(pdf);
        PdfTable[] tables = extractor.extractTable(0);

        if (tables != null) {
            PdfTable table = tables[0];
            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");
            }
        }

        try (Writer writer = new OutputStreamWriter(
                new FileOutputStream("output/PDFTable.csv"), "UTF-8")) {
            writer.write(sb.toString());
        }
        pdf.close();
        System.out.println("PDFの表をCSVに出力しました。");
    }

    private static String escapeCsvField(String text) {
        if (text == null) return "";
        text = text.replaceAll("[\\n\\r]", "");
        if (text.contains(",") || text.contains(";") || text.contains("\"")) {
            text = text.replace("\"", "\"\"");
            text = "\"" + text + "\"";
        }
        return text;
    }
}

出力結果イメージ：

---

応用例

上記のコードでは1つの表を1つのCSVにまとめましたが、実務では次のような応用も可能です。

1. 各表を個別のCSVに保存

PDF内に複数の表がある場合、それぞれを別のCSVに出力できます。

for (int i = 0; i < pdf.getPages().getCount(); i++) {
    PdfTableExtractor extractor = new PdfTableExtractor(pdf);
    PdfTable[] tables = extractor.extractTable(i);

    if (tables != null) {
        for (int t = 0; t < tables.length; t++) {
            StringBuilder tableContent = new StringBuilder();
            PdfTable table = tables[t];

            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/Page" + i + "_Table" + t + ".csv"), "UTF-8")) {
                writer.write(tableContent.toString());
            }
        }
    }
}

2. すべての表を1つのCSVにまとめる

複数ページにわたる表を統合し、1つのCSVにまとめたい場合は次のようにします。

StringBuilder mergedTableContent = 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++) {
                    mergedTableContent.append(escapeCsvField(table.getText(row, col)));
                    if (col < table.getColumnCount() - 1) mergedTableContent.append(",");
                }
                mergedTableContent.append("\n");
            }
        }
    }
}

try (Writer writer = new OutputStreamWriter(
        new FileOutputStream("output/MergedTable.csv"), "UTF-8")) {
    writer.write(mergedTableContent.toString());
}

---

まとめ

本記事では、Javaで Free Spire.PDF for Java を使い、PDFから表データを抽出してCSVに変換する方法を解説しました。流れは以下の通りです。

1. PDFの読み込み
2. 表データの抽出
3. CSVへの書き込み

さらに、複数表を個別に保存する方法や、1つのCSVに統合する方法も紹介しました。

この方法を使えば、PDFに含まれるレポートや財務一覧、アンケート集計などを効率的にCSV化でき、データ活用の幅が大きく広がります。

詳細な情報やサンプルについては、Spire.PDF for Java チュートリアルセンター を参照してください。