Udtræk PDF-tabeller

CSV åbnes i Excel, Google Sheets eller enhver databaseimport. JSON giver et array af rækker, hver et array af cellestrenge, til scripts og API'er. Markdown giver en pipe-tabel, du kan indsætte på GitHub, i en wiki eller i dokumentation.

Hver tabel gemmes som sin egen fil, navngivet som table_1_page3.csv, og alle pakkes i filename_tables.zip. En enkelt tabel downloades direkte som filename_table.csv, .json eller .md. Hvis du hellere vil have alle tabeller i én fil, kan du bruge PDF til CSV.

Genkendelsen virker på dokumentets tekstlag. Scannede PDF'er indeholder kun et billede, så kør dem først gennem OCR PDF. Tekst, der kun ligner en tabel på grund af mellemrum uden nogen tabelstruktur, kan også gå ubemærket hen.

Nej. Hver side scannes for sig, så en tabel, der strækker sig over flere sider, eksporteres som én fil pr. side med sidetallet i navnet. Saml delene i et regneark efter udtrækningen.

Hele dokumentet scannes altid, selvom sidetallet i hvert filnavn fortæller, hvor en tabel kom fra. For at begrænse scanningen kan du først gemme de sider, du har brug for, med Udtræk sider og køre dette værktøj på den mindre fil.

Ja. Celler med kommaer, anførselstegn eller linjeskift sættes i dobbelte anførselstegn, og anførselstegn indeni fordobles, så regnearksprogrammer læser dem korrekt. Tomme celler skrives som tomme felter.

Hvis filen kræver en adgangskode for at blive åbnet, bliver du spurgt om den, før udtrækningen starter, og tabellerne læses fra en dekrypteret kopi i hukommelsen.

Nej. Genkendelsesmotoren (PyMuPDF kompileret til WebAssembly) hentes fra et CDN første gang, du bruger den, og kører derefter i din browser. Din PDF bliver på din enhed.