PDF у CSV

Він запускає розпізнавання таблиць PyMuPDF на кожній сторінці, шукаючи лінії та вирівняний текст, з яких складається таблиця. Кожна знайдена таблиця записується в CSV рядок за рядком, а всі сторінки скануються за один прохід.

Усі вони записуються в один файл .csv у порядку сторінок, а рядки однієї таблиці йдуть після рядків попередньої без роздільника. Якщо кожна таблиця потрібна в окремому файлі чи на окремому аркуші, скористайтеся PDF в Excel.

Зазвичай PDF розкладає дані пробілами й табуляціями, які лише схожі на таблицю, без структури, потрібної детектору, або сторінка є сканом без текстового шару. Для сканів спершу запустіть OCR PDF, щоб з'явився текст для розпізнавання.

Комірки, що містять кому, подвійні лапки або новий рядок, беруться в подвійні лапки, а лапки всередині подвоюються за RFC 4180. Файл зберігається в UTF-8, тож літери з діакритикою та нелатинські писемності без втрат потрапляють в електронну таблицю.

Ні. CSV це звичайний текст, тож жирний шрифт, кольори, об'єднані комірки та ширина стовпців відкидаються, і залишаються лише значення комірок. Числа експортуються як текст, показаний у PDF, разом із символами валют і роздільниками тисяч.

Після завантаження вас попросять ввести пароль, і щойно ви його введете, видобування продовжиться. Пароль використовується лише для відкриття файлу у вашому браузері.

Ні. Рушій розпізнавання таблиць завантажується у ваш браузер як WebAssembly, а CSV створюється локально, тож документ ніколи не залишає ваш пристрій. Перший запуск триває трохи довше, поки завантажується рушій.

У більшості налаштувань достатньо двічі клацнути файл, адже інструмент використовує стандартний роздільник кома. Якщо ваш Excel налаштований на локаль, що очікує крапку з комою, скористайтеся Дані > З тексту/CSV і виберіть кому як роздільник.