PDF-tabellen extraheren

CSV opent in Excel, Google Sheets of elke database-import. JSON geeft een array van rijen, elk een array van celtekenreeksen, voor scripts en API's. Markdown geeft een tabel met verticale streepjes die je kunt plakken in GitHub, een wiki of documentatie.

Elke tabel wordt als eigen bestand opgeslagen, met een naam als table_1_page3.csv, en alle bestanden worden gebundeld in filename_tables.zip. Een enkele tabel wordt direct gedownload als filename_table.csv, .json of .md. Wil je liever alle tabellen in één bestand, gebruik dan PDF naar CSV.

De detectie werkt op de tekstlaag van het document. Gescande PDF's bevatten alleen een afbeelding, dus haal ze eerst door PDF OCR. Tekst die alleen door de spatiëring op een tabel lijkt, zonder tabelstructuur, kan ook onopgemerkt blijven.

Nee. Elke pagina wordt apart gescand, dus een tabel die over meerdere pagina's loopt, wordt geëxporteerd als één bestand per pagina, elk met het paginanummer in de naam. Voeg de delen na het extraheren samen in een spreadsheet.

Het hele document wordt altijd gescand, maar het paginanummer in elke bestandsnaam laat zien waar een tabel vandaan komt. Om de scan te beperken sla je eerst de pagina's die je nodig hebt op met Pagina's extraheren en voer je deze tool uit op het kleinere bestand.

Ja. Cellen met komma's, aanhalingstekens of regeleinden worden tussen dubbele aanhalingstekens gezet, met verdubbelde aanhalingstekens binnenin, zodat spreadsheetsoftware ze correct leest. Lege cellen worden als lege velden geschreven.

Als het bestand een wachtwoord nodig heeft om te openen, wordt daar vóór het extraheren om gevraagd, en de tabellen worden gelezen uit een ontsleutelde kopie in het geheugen.

Nee. De detectie-engine (PyMuPDF gecompileerd naar WebAssembly) wordt de eerste keer dat je hem gebruikt van een CDN gedownload en draait daarna in je browser. Je PDF blijft op je apparaat.