Extrahera PDF-tabeller

CSV öppnas i Excel, Google Sheets eller valfri databasimport. JSON ger en array av rader, där varje rad är en array av cellsträngar, för skript och API:er. Markdown ger en rörtabell som du kan klistra in i GitHub, en wiki eller dokumentation.

Varje tabell sparas som en egen fil, namngiven som table_1_page3.csv, och alla paketeras i filename_tables.zip. En enskild tabell laddas ner direkt som filename_table.csv, .json eller .md. Om du hellre vill ha alla tabeller i en fil använder du PDF till CSV.

Identifieringen arbetar på dokumentets textlager. Skannade PDF-filer innehåller bara en bild, så kör dem först genom OCR PDF. Text som bara ser ut som en tabell på grund av avstånd, utan tabellstruktur, kan också missas.

Nej. Varje sida skannas separat, så en tabell som sträcker sig över flera sidor exporteras som en fil per sida, med sidnumret i namnet. Foga ihop delarna i ett kalkylblad efter extraheringen.

Hela dokumentet skannas alltid, men sidnumret i varje filnamn visar var en tabell kom ifrån. För att begränsa skanningen sparar du först de sidor du behöver med Extrahera sidor och kör det här verktyget på den mindre filen.

Ja. Celler som innehåller kommatecken, citattecken eller radbrytningar omges av dubbla citattecken, med inre citattecken fördubblade, så att kalkylprogram läser dem korrekt. Tomma celler skrivs som tomma fält.

Om filen kräver lösenord för att öppnas får du frågan innan extraheringen börjar, och tabellerna läses från en dekrypterad kopia i minnet.

Nej. Identifieringsmotorn (PyMuPDF kompilerad till WebAssembly) laddas ner från ett CDN första gången du använder den och körs sedan i din webbläsare. Din PDF stannar på din enhet.