Trích xuất bảng PDF

CSV mở được trong Excel, Google Sheets hoặc mọi tính năng nhập cơ sở dữ liệu. JSON cho ra một mảng các hàng, mỗi hàng là một mảng chuỗi ô, dùng cho tập lệnh và API. Markdown cho ra một bảng dạng đường kẻ đứng mà bạn có thể dán vào GitHub, wiki hoặc tài liệu.

Mỗi bảng được lưu thành một tệp riêng, đặt tên như table_1_page3.csv, và tất cả được gói vào filename_tables.zip. Một bảng đơn lẻ tải xuống trực tiếp dưới dạng filename_table.csv, .json hoặc .md. Nếu bạn muốn mọi bảng trong một tệp, hãy dùng PDF sang CSV.

Việc phát hiện dựa trên lớp văn bản của tài liệu. PDF quét chỉ chứa hình ảnh, nên hãy chạy qua OCR PDF trước. Văn bản chỉ trông giống bảng do khoảng cách mà không có cấu trúc bảng cũng có thể không được phát hiện.

Không. Mỗi trang được quét riêng, nên bảng trải dài nhiều trang sẽ được xuất thành một tệp cho mỗi trang, mỗi tệp có số trang trong tên. Hãy ghép các phần lại trong bảng tính sau khi trích xuất.

Công cụ luôn quét toàn bộ tài liệu, tuy nhiên số trang trong tên mỗi tệp cho bạn biết bảng đến từ đâu. Để giới hạn phạm vi quét, hãy lưu các trang bạn cần trước bằng Trích xuất trang rồi chạy công cụ này trên tệp nhỏ hơn.

Có. Các ô chứa dấu phẩy, dấu nháy hoặc dòng mới được bao trong dấu nháy kép và dấu nháy bên trong được nhân đôi, để phần mềm bảng tính đọc đúng. Ô trống được ghi thành trường trống.

Nếu tệp cần mật khẩu để mở, bạn sẽ được hỏi trước khi bắt đầu trích xuất, và các bảng được đọc từ bản đã giải mã giữ trong bộ nhớ.

Không. Công cụ phát hiện (PyMuPDF được biên dịch sang WebAssembly) được tải từ CDN vào lần đầu bạn dùng, rồi chạy trong trình duyệt của bạn. PDF của bạn vẫn ở trên thiết bị của bạn.