Wyodrębnij tabele PDF

CSV otwiera się w Excelu, Arkuszach Google lub dowolnym imporcie do bazy danych. JSON daje tablicę wierszy, z których każdy jest tablicą tekstów komórek, do skryptów i API. Markdown daje tabelę z pionowymi kreskami, którą możesz wkleić na GitHub, do wiki lub dokumentacji.

Każda tabela jest zapisywana jako osobny plik o nazwie w stylu table_1_page3.csv, a wszystkie są pakowane do filename_tables.zip. Pojedyncza tabela jest pobierana bezpośrednio jako filename_table.csv, .json lub .md. Jeśli wolisz mieć wszystkie tabele w jednym pliku, użyj PDF na CSV.

Wykrywanie działa na warstwie tekstowej dokumentu. Zeskanowane pliki PDF zawierają tylko obraz, więc najpierw uruchom na nich OCR PDF. Tekst, który wygląda jak tabela tylko dzięki odstępom, bez struktury tabeli, również może nie zostać wykryty.

Nie. Każda strona jest skanowana osobno, więc tabela obejmująca kilka stron jest eksportowana jako jeden plik na stronę, z numerem strony w nazwie. Połącz części w arkuszu kalkulacyjnym po wyodrębnieniu.

Skanowany jest zawsze cały dokument, choć numer strony w nazwie każdego pliku mówi, skąd pochodzi tabela. Aby ograniczyć skanowanie, najpierw zapisz potrzebne strony za pomocą Wyodrębnij strony i uruchom to narzędzie na mniejszym pliku.

Tak. Komórki zawierające przecinki, cudzysłowy lub znaki nowego wiersza są ujęte w podwójne cudzysłowy, a cudzysłowy wewnątrz są podwojone, dzięki czemu arkusze kalkulacyjne odczytują je poprawnie. Puste komórki są zapisywane jako puste pola.

Jeśli plik wymaga hasła do otwarcia, zostaniesz o nie poproszony przed rozpoczęciem wyodrębniania, a tabele są odczytywane z odszyfrowanej kopii przechowywanej w pamięci.

Nie. Silnik wykrywania (PyMuPDF skompilowany do WebAssembly) jest pobierany z CDN przy pierwszym użyciu, a potem działa w Twojej przeglądarce. Twój PDF zostaje na Twoim urządzeniu.