PDFからCSV

すべてのページでPyMuPDFの表検出を実行し、表を構成する罫線や整列したテキストを探します。見つかった表は1行ずつCSVに書き込まれ、すべてのページが1回の処理でスキャンされます。

すべての表がページ順に1つの .csv ファイルに書き込まれ、1つの表の行が前の表の行のあとに区切りなしで続きます。表ごとに別のファイルや別のシートにしたい場合は、代わりにPDFをExcelに変換をお使いください。

多くの場合、PDFのデータがスペースやタブで配置されていて見た目が表のようなだけで、検出に必要な構造がないか、ページがテキストレイヤーのないスキャンです。スキャンの場合は、検出できるテキストを用意するために、先にOCR PDFを実行してください。

カンマ、二重引用符、改行を含むセルは二重引用符で囲まれ、その中の引用符は二重にされます（RFC 4180に準拠）。ファイルはUTF-8で保存されるため、アクセント付きの文字やラテン文字以外の文字もそのままスプレッドシートに取り込めます。

いいえ。CSVはプレーンテキストなので、太字、色、結合セル、列幅は失われ、セルの値だけが残ります。数値は、通貨記号や桁区切りも含め、PDFに表示されているとおりのテキストとして書き出されます。

アップロード後にパスワードの入力を求められ、入力すると抽出が続行されます。パスワードはブラウザ内でファイルを開くためだけに使われます。

いいえ。表の検出エンジンはWebAssemblyとしてブラウザに読み込まれ、CSVもローカルで生成されるため、文書がお使いのデバイスの外に出ることはありません。エンジンの読み込み中は、最初の実行だけ少し時間がかかります。

このツールは標準的なカンマ区切りを使うため、ほとんどの環境ではファイルをダブルクリックすれば開けます。Excelがセミコロンを想定するロケールに設定されている場合は、「データ」>「テキストまたはCSVから」を使い、区切り文字としてカンマを選んでください。