PDF naar CSV

Het voert de tabeldetectie van PyMuPDF uit op elke pagina, die zoekt naar de lijnen en uitgelijnde tekst waaruit een tabel bestaat. Elke gevonden tabel wordt rij voor rij naar de CSV geschreven en alle pagina's worden in één keer gescand.

Ze worden allemaal in volgorde van de pagina's naar één .csv-bestand geschreven, met de rijen van een tabel direct na de rijen van de vorige en zonder scheiding ertussen. Heb je elke tabel in een eigen bestand of op een eigen werkblad nodig, gebruik dan PDF naar Excel.

Meestal zet de PDF zijn gegevens neer met spaties en tabs die alleen op een tabel lijken, zonder de structuur die de detector nodig heeft, of de pagina is een scan zonder tekstlaag. Voer voor scans eerst OCR PDF uit, zodat er tekst is om te detecteren.

Cellen met een komma, een dubbel aanhalingsteken of een regeleinde worden tussen dubbele aanhalingstekens gezet, en aanhalingstekens erin worden verdubbeld, volgens RFC 4180. Het bestand wordt als UTF-8 opgeslagen, zodat letters met accenten en niet-Latijnse schriften het in een spreadsheet overleven.

Nee. CSV is platte tekst, dus vetgedrukte tekst, kleuren, samengevoegde cellen en kolombreedtes vallen weg en alleen de celwaarden blijven over. Getallen worden geëxporteerd als de tekst die in de PDF staat, inclusief valutasymbolen of scheidingstekens voor duizendtallen.

Na het uploaden wordt om het wachtwoord gevraagd en de extractie gaat verder zodra je het invoert. Het wachtwoord wordt alleen gebruikt om het bestand in je browser te openen.

Nee. De engine voor tabeldetectie wordt als WebAssembly in je browser geladen en de CSV wordt lokaal gemaakt, dus het document verlaat je apparaat nooit. De eerste run duurt iets langer terwijl de engine laadt.

Dubbelklikken op het bestand werkt in de meeste opstellingen, omdat de tool het standaard scheidingsteken, de komma, gebruikt. Is je Excel ingesteld op een taalregio die puntkomma's verwacht, gebruik dan Gegevens > Uit tekst/CSV en kies de komma als scheidingsteken.