PDF til CSV

Det kører PyMuPDFs tabelgenkendelse på hver side, som leder efter de streger og den justerede tekst, en tabel består af. Hver tabel, den finder, skrives til CSV-filen række for række, og alle sider scannes i ét gennemløb.

Alle skrives til én .csv-fil i siderækkefølge, så rækkerne fra den ene tabel følger efter rækkerne fra den forrige uden separator imellem. Hvis du har brug for hver tabel i sin egen fil eller på sit eget ark, så brug i stedet PDF til Excel.

Som regel lægger PDF'en sine data ud med mellemrum og tabulatorer, der kun ligner en tabel, uden den struktur, detektoren har brug for, eller siden er en scanning uden noget tekstlag. Til scanninger, kør først OCR PDF, så der er tekst at finde.

Celler, der indeholder et komma, et dobbelt anførselstegn eller et linjeskift, pakkes ind i dobbelte anførselstegn, og eventuelle anførselstegn inde i dem fordobles, efter RFC 4180. Filen gemmes som UTF-8, så accenttegn og ikke-latinske skrifttegn overlever turen ind i et regneark.

Nej. CSV er ren tekst, så fed tekst, farver, flettede celler og kolonnebredder droppes, og kun celleværdierne bliver tilbage. Tal eksporteres som den tekst, der vises i PDF'en, inklusive eventuelle valutasymboler eller tusindtalsseparatorer.

Du bliver bedt om adgangskoden efter upload, og udtrækningen fortsætter, når den er indtastet. Adgangskoden bruges kun til at åbne filen i din browser.

Nej. Motoren til tabelgenkendelse indlæses i din browser som WebAssembly, og CSV-filen genereres lokalt, så dokumentet aldrig forlader din enhed. Den første kørsel tager lidt længere tid, mens motoren indlæses.

Dobbeltklik på filen virker i de fleste opsætninger, da værktøjet bruger standardafgrænseren komma. Hvis din Excel er indstillet til en landestandard, der forventer semikolon, så brug Data > Fra tekst/CSV og vælg komma som afgrænser.