PDF do CSV

Spúšťa rozpoznávanie tabuliek PyMuPDF na každej strane, ktoré hľadá linky a zarovnaný text tvoriace tabuľku. Každá nájdená tabuľka sa zapíše do CSV riadok po riadku a všetky strany sa prehľadajú jedným prechodom.

Všetky sa zapíšu do jedného súboru .csv v poradí strán, pričom riadky jednej tabuľky nasledujú za riadkami predchádzajúcej a bez oddeľovača medzi nimi. Ak potrebujete každú tabuľku v samostatnom súbore alebo na samostatnom hárku, použite namiesto toho PDF do Excelu.

PDF zvyčajne rozmiestňuje údaje pomocou medzier a tabulátorov, ktoré iba vyzerajú ako tabuľka, bez štruktúry, ktorú detektor potrebuje, alebo je strana sken bez textovej vrstvy. Pri skenoch najprv spustite OCR PDF, aby bol k dispozícii text na rozpoznanie.

Bunky obsahujúce čiarku, dvojitú úvodzovku alebo zalomenie riadku sa obalia dvojitými úvodzovkami a úvodzovky v nich sa zdvojnásobia podľa RFC 4180. Súbor sa uloží ako UTF-8, takže diakritika a nelatinské písma prežijú prenos do tabuľky.

Nie. CSV je obyčajný text, takže tučný text, farby, zlúčené bunky a šírky stĺpcov sa zahodia a zostanú len hodnoty buniek. Čísla sa exportujú ako text zobrazený v PDF vrátane symbolov mien alebo oddeľovačov tisícov.

Po nahratí sa vás nástroj spýta na heslo a extrakcia pokračuje po jeho zadaní. Heslo sa používa iba na otvorenie súboru vo vašom prehliadači.

Nie. Jadro na rozpoznávanie tabuliek sa do vášho prehliadača načíta ako WebAssembly a CSV sa generuje lokálne, takže dokument nikdy neopustí vaše zariadenie. Prvé spustenie trvá o niečo dlhšie, kým sa jadro načíta.

Dvojklik na súbor funguje vo väčšine nastavení, pretože nástroj používa štandardný oddeľovač čiarku. Ak má váš Excel nastavenú lokalitu, ktorá očakáva bodkočiarky, použite Údaje > Z textu/CSV a ako oddeľovač zvoľte čiarku.