Extrahovať PDF tabuľky

CSV sa otvorí v Exceli, Tabuľkách Google alebo pri importe do ľubovoľnej databázy. JSON poskytuje pole riadkov, pričom každý je poľom textových hodnôt buniek, pre skripty a API. Markdown poskytuje tabuľku s zvislými čiarami, ktorú môžete vložiť do GitHubu, wiki alebo dokumentácie.

Každá tabuľka sa uloží ako samostatný súbor s názvom ako table_1_page3.csv a všetky sa zabalia do filename_tables.zip. Jedna tabuľka sa stiahne priamo ako filename_table.csv, .json alebo .md. Ak chcete všetky tabuľky v jednom súbore, použite PDF do CSV.

Detekcia funguje na textovej vrstve dokumentu. Naskenované PDF obsahujú iba obrázok, preto ich najprv spracujte nástrojom OCR PDF. Text, ktorý len vyzerá ako tabuľka vďaka medzerám, bez štruktúry tabuľky, sa tiež nemusí rozpoznať.

Nie. Každá strana sa skenuje samostatne, takže tabuľka presahujúca viac strán sa exportuje ako jeden súbor pre každú stranu s číslom strany v názve. Časti po extrakcii spojte v tabuľkovom procesore.

Vždy sa skenuje celý dokument, hoci číslo strany v názve každého súboru vám povie, odkiaľ tabuľka pochádza. Ak chcete skenovanie obmedziť, najprv uložte potrebné strany pomocou Extrahovať strany a spustite tento nástroj na menšom súbore.

Áno. Bunky obsahujúce čiarky, úvodzovky alebo nové riadky sa uzavrú do dvojitých úvodzoviek s zdvojenými vnútornými úvodzovkami, takže ich tabuľkový procesor správne prečíta. Prázdne bunky sa zapíšu ako prázdne polia.

Ak sa súbor na otvorenie vyžaduje heslo, nástroj si ho vypýta pred začiatkom extrakcie a tabuľky sa čítajú z dešifrovanej kópie v pamäti.

Nie. Nástroj na detekciu (PyMuPDF skompilovaný do WebAssembly) sa pri prvom použití stiahne z CDN a potom beží vo vašom prehliadači. Vaše PDF zostáva na vašom zariadení.