استخراج جداول PDF

يُفتح CSV في Excel أو Google Sheets أو أي استيراد لقاعدة بيانات. ويعطي JSON مصفوفة من الصفوف، كل منها مصفوفة من سلاسل الخلايا، للسكربتات وواجهات API. ويعطي Markdown جدولًا بالشرطات العمودية يمكنك لصقه في GitHub أو ويكي أو وثائق.

يُحفظ كل جدول في ملف خاص به باسم مثل table_1_page3.csv، وتُجمع كلها في filename_tables.zip. ويُنزَّل الجدول الواحد مباشرةً باسم filename_table.csv أو .json أو .md. وإذا فضّلت الحصول على كل الجداول في ملف واحد فاستخدم PDF إلى CSV.

يعمل الكشف على طبقة النص في المستند. تحتوي ملفات PDF الممسوحة ضوئيًا على صورة فقط، لذا مرّرها على OCR لملف PDF أولًا. وقد لا يُكتشف أيضًا النص الذي يبدو كجدول بسبب التباعد فقط دون بنية جدول.

لا. تُفحص كل صفحة على حدة، لذا يُصدَّر الجدول الممتد على عدة صفحات كملف لكل صفحة، ويحمل اسمه رقم الصفحة. ادمج الأجزاء في برنامج جداول بيانات بعد الاستخراج.

يُفحص المستند كله دائمًا، لكن رقم الصفحة في كل اسم ملف يخبرك من أين جاء الجدول. ولتقييد الفحص، احفظ الصفحات التي تحتاجها أولًا باستخدام استخراج الصفحات ثم شغّل هذه الأداة على الملف الأصغر.

نعم. توضع الخلايا التي تحتوي على فواصل أو علامات اقتباس أو أسطر جديدة بين علامتي اقتباس مزدوجتين مع مضاعفة علامات الاقتباس الداخلية، لتقرأها برامج جداول البيانات بشكل صحيح. وتُكتب الخلايا الفارغة كحقول فارغة.

إذا كان الملف يحتاج إلى كلمة مرور لفتحه، فستُطلب منك قبل بدء الاستخراج، وتُقرأ الجداول من نسخة مفكوكة التشفير محفوظة في الذاكرة.

لا. يُنزَّل محرك الكشف (PyMuPDF المترجم إلى WebAssembly) من شبكة CDN عند أول استخدام، ثم يعمل داخل متصفحك. يبقى ملف PDF على جهازك.