PDF till CSV

Den kör PyMuPDFs tabellidentifiering på varje sida, som letar efter de linjer och den justerade text som utgör en tabell. Varje tabell den hittar skrivs till CSV-filen rad för rad, och alla sidor söks igenom i ett pass.

Alla skrivs in i en enda .csv-fil i sidordning, där raderna i en tabell följer på raderna i den föregående och utan någon avgränsare emellan. Om du vill ha varje tabell i en egen fil eller på ett eget blad använder du PDF till Excel i stället.

Oftast lägger PDF-filen ut sina data med mellanslag och tabbar som bara ser ut som en tabell, utan den struktur som identifieraren behöver, eller så är sidan en skanning helt utan textlager. För skanningar kör du först OCR PDF så att det finns text att identifiera.

Celler som innehåller ett kommatecken, ett dubbelt citattecken eller en radbrytning omges av dubbla citattecken, och eventuella citattecken inuti dem dubbleras, enligt RFC 4180. Filen sparas som UTF-8, så accenttecken och icke-latinska skriftsystem klarar sig in i kalkylbladet.

Nej. CSV är oformaterad text, så fet text, färger, sammanslagna celler och kolumnbredder tas bort och bara cellvärdena finns kvar. Siffror exporteras som den text som visas i PDF-filen, inklusive eventuella valutasymboler eller tusentalsavgränsare.

Du får frågan om lösenordet efter uppladdningen, och extraheringen fortsätter när det har angetts. Lösenordet används bara för att öppna filen i din webbläsare.

Nej. Motorn för tabellidentifiering laddas in i din webbläsare som WebAssembly och CSV-filen skapas lokalt, så dokumentet lämnar aldrig din enhet. Den första körningen tar lite längre tid medan motorn laddas.

Att dubbelklicka på filen fungerar i de flesta konfigurationer, eftersom verktyget använder det vanliga kommatecknet som avgränsare. Om din Excel är inställd på ett språkområde som förväntar sig semikolon använder du Data > Från text/CSV och väljer komma som avgränsare.