PDF у CSV

Ён запускае распазнаванне табліц PyMuPDF на кожнай старонцы, шукаючы лініі лінейкі і выраўнаваны тэкст, з якіх складаецца табліца. Кожная знойдзеная табліца запісваецца ў CSV радок за радком, а ўсе старонкі скануюцца за адзін праход.

Усе яны запісваюцца ў адзін файл .csv у парадку старонак, радкі адной табліцы ідуць пасля радкоў папярэдняй без раздзяляльніка паміж імі. Калі кожная табліца патрэбна ў асобным файле або на асобным аркушы, скарыстайцеся PDF у Excel.

Звычайна PDF афармляе даныя прабеламі і табуляцыямі, якія толькі выглядаюць як табліца, без структуры, патрэбнай распазнавальніку, або старонка - гэта скан увогуле без тэкставага пласта. Для сканаў спачатку запусціце OCR PDF, каб былі даныя для распазнавання.

Ячэйкі з коскай, двайным двукоссем або новым радком бяруцца ў двайныя двукоссі, а двукоссі ўнутры ўдвойваюцца ў адпаведнасці з RFC 4180. Файл захоўваецца ў UTF-8, таму знакі з дыякрытыкай і нелацінскія пісьмы без страт трапляюць у электронную табліцу.

Не. CSV - гэта звычайны тэкст, таму тоўсты шрыфт, колеры, аб'яднаныя ячэйкі і шырыня калонак губляюцца, а застаюцца толькі значэнні ячэек. Лікі экспартуюцца як тэкст, паказаны ў PDF, уключаючы сімвалы валют і раздзяляльнікі тысяч.

Пасля запампоўвання вас папросяць увесці пароль, і выманне працягнецца пасля яго ўводу. Пароль выкарыстоўваецца толькі для адкрыцця файла ў вашым браўзеры.

Не. Рухавік распазнавання табліц загружаецца ў ваш браўзер як WebAssembly, а CSV ствараецца лакальна, таму дакумент ніколі не пакідае вашу прыладу. Першы запуск займае крыху даўжэй, пакуль загружаецца рухавік.

У большасці канфігурацый працуе падвойны пстрык па файле, бо інструмент выкарыстоўвае стандартны раздзяляльнік - коску. Калі ваш Excel настроены на рэгіён, дзе чакаецца кропка з коскай, скарыстайцеся Даныя > З тэксту/CSV і абярыце коску як раздзяляльнік.