Витяг таблиць з PDF

CSV відкривається в Excel, Google Таблицях або будь-якому імпорті бази даних. JSON дає масив рядків, кожен із яких є масивом рядків комірок, для скриптів і API. Markdown дає таблицю з вертикальними рисками, яку можна вставити в GitHub, вікі чи документацію.

Кожна таблиця зберігається окремим файлом з назвою на кшталт table_1_page3.csv, і всі вони пакуються в filename_tables.zip. Одна таблиця завантажується одразу як filename_table.csv, .json або .md. Якщо потрібні всі таблиці в одному файлі, скористайтеся PDF у CSV.

Виявлення працює з текстовим шаром документа. Відскановані PDF містять лише зображення, тому спочатку пропустіть їх через OCR PDF. Текст, який лише виглядає як таблиця через інтервали, але не має структури таблиці, також може не виявитися.

Ні. Кожна сторінка скануватиметься окремо, тож таблиця, що займає кілька сторінок, експортується одним файлом на сторінку, і номер сторінки є в назві. Об'єднайте частини в таблиці після витягування.

Завжди скануватиметься весь документ, але номер сторінки в назві кожного файлу підкаже, звідки взято таблицю. Щоб обмежити сканування, спершу збережіть потрібні сторінки через Витягнути сторінки і запустіть цей інструмент на меншому файлі.

Так. Комірки з комами, лапками чи переносами рядків беруться у подвійні лапки, а внутрішні лапки подвоюються, тож програми для таблиць читають їх правильно. Порожні комірки записуються як порожні поля.

Якщо для відкриття файлу потрібен пароль, його запитають перед початком витягування, а таблиці читаються з розшифрованої копії в пам'яті.

Ні. Рушій виявлення (PyMuPDF, скомпільований у WebAssembly) завантажується з CDN під час першого використання, а потім працює у вашому браузері. Ваш PDF залишається на вашому пристрої.