PDF para CSV

Ele executa a detecção de tabelas do PyMuPDF em cada página, que procura as linhas de grade e o texto alinhado que formam uma tabela. Cada tabela encontrada é gravada no CSV linha por linha, e todas as páginas são analisadas de uma só vez.

Todas são gravadas em um único arquivo .csv na ordem das páginas, com as linhas de uma tabela logo após as da anterior e sem separador entre elas. Se você precisa de cada tabela em um arquivo ou planilha próprios, use PDF para Excel.

Em geral, o PDF organiza os dados com espaços e tabulações que só parecem uma tabela, sem a estrutura de que o detector precisa, ou a página é uma digitalização sem camada de texto. Para digitalizações, execute OCR de PDF primeiro para que haja texto a detectar.

Células que contêm vírgula, aspas duplas ou quebra de linha são envolvidas por aspas duplas, e as aspas dentro delas são duplicadas, seguindo a RFC 4180. O arquivo é salvo em UTF-8, então caracteres acentuados e alfabetos não latinos sobrevivem à passagem para uma planilha.

Não. O CSV é texto simples, então negrito, cores, células mescladas e larguras de coluna são descartados e restam apenas os valores das células. Os números são exportados como o texto mostrado no PDF, incluindo símbolos de moeda ou separadores de milhar.

A senha é solicitada depois do envio, e a extração continua quando ela é digitada. A senha é usada apenas para abrir o arquivo no seu navegador.

Não. O mecanismo de detecção de tabelas é carregado no seu navegador como WebAssembly e o CSV é gerado localmente, então o documento nunca sai do seu dispositivo. A primeira execução demora um pouco mais enquanto o mecanismo carrega.

Dar dois cliques no arquivo funciona na maioria das configurações, pois a ferramenta usa o delimitador padrão de vírgula. Se o seu Excel estiver configurado para uma região que espera ponto e vírgula, use Dados > De Texto/CSV e escolha a vírgula como delimitador.