PDF sang CSV

Nó chạy chức năng nhận diện bảng của PyMuPDF trên mọi trang, tìm các đường kẻ và văn bản căn thẳng tạo nên một bảng. Mỗi bảng tìm thấy được ghi vào CSV từng dòng một, và mọi trang được quét trong một lượt.

Tất cả được ghi vào một tệp .csv theo thứ tự trang, với các dòng của bảng này nối tiếp các dòng của bảng trước và không có dấu ngăn cách. Nếu bạn cần mỗi bảng ở một tệp hoặc một trang tính riêng, hãy dùng PDF sang Excel.

Thường là PDF trình bày dữ liệu bằng dấu cách và tab chỉ trông giống bảng, thiếu cấu trúc mà bộ nhận diện cần, hoặc trang là bản quét hoàn toàn không có lớp văn bản. Với bản quét, hãy chạy OCR PDF trước để có văn bản cho bộ nhận diện.

Các ô chứa dấu phẩy, dấu ngoặc kép hoặc ngắt dòng được bao trong dấu ngoặc kép, và mọi dấu ngoặc kép bên trong được nhân đôi, theo RFC 4180. Tệp được lưu dạng UTF-8, nên ký tự có dấu và chữ viết không phải Latin vẫn nguyên vẹn khi vào bảng tính.

Không. CSV là văn bản thuần, nên chữ đậm, màu sắc, ô đã gộp và độ rộng cột đều bị bỏ, chỉ còn giá trị ô. Số được xuất dưới dạng văn bản hiển thị trong PDF, kể cả ký hiệu tiền tệ hay dấu phân cách hàng nghìn.

Bạn sẽ được hỏi mật khẩu sau khi tải lên, và việc trích xuất tiếp tục khi bạn nhập xong. Mật khẩu chỉ được dùng để mở tệp trong trình duyệt của bạn.

Không. Công cụ nhận diện bảng được tải vào trình duyệt của bạn dưới dạng WebAssembly và CSV được tạo cục bộ, nên tài liệu không bao giờ rời khỏi thiết bị. Lần chạy đầu tiên mất lâu hơn một chút trong khi công cụ được tải.

Nhấp đúp vào tệp hoạt động trong hầu hết các thiết lập, vì công cụ dùng dấu phẩy phân cách chuẩn. Nếu Excel của bạn đặt ở vùng ngôn ngữ dùng dấu chấm phẩy, hãy dùng Dữ liệu > Từ văn bản/CSV và chọn dấu phẩy làm dấu phân cách.