提取 PDF 表格

我应该选择哪种输出格式？

CSV 可在 Excel、Google Sheets 或任何数据库导入功能中打开。JSON 提供行数组，每行是一个单元格字符串数组，适用于脚本和 API。Markdown 提供管道表格，可粘贴到 GitHub、维基或文档中。

PDF 包含多个表格时我会得到什么？

每个表格都会保存为单独的文件，命名如 table_1_page3.csv，并全部打包为 filename_tables.zip。单个表格会直接下载为 filename_table.csv、.json 或 .md。如果您想把所有表格放在一个文件中，请使用PDF 转 CSV。

为什么提示未找到表格？

检测基于文档的文本层。扫描版 PDF 只包含图片，因此请先用 OCR PDF 处理。仅因间距而看起来像表格、但没有表格结构的文字，也可能无法被检测到。

表格跨越多个页面。会导出为一个文件吗？

不能。每一页都是单独扫描的，因此跨页的表格会按每页一个文件导出，文件名中带有页码。提取后请在电子表格中把这些部分合并。

可以只提取部分页面中的表格吗？

始终会扫描整个文档，不过每个文件名中的页码会告诉您表格来自哪里。如需限制扫描范围，请先用提取页面保存您需要的页面，再对较小的文件运行此工具。

CSV 能处理单元格内的逗号和换行吗？

可以。包含逗号、引号或换行的单元格会用双引号括起来，内部的引号会加倍，因此电子表格软件能正确读取。空单元格会写成空字段。

可以从受密码保护的 PDF 中提取表格吗？

如果文件需要密码才能打开，会在提取开始前询问密码，表格会从内存中的解密副本中读取。

PDF 会被上传用于表格检测吗？

不会。检测引擎（编译为 WebAssembly 的 PyMuPDF）在您首次使用时从 CDN 下载，之后在您的浏览器中运行。您的 PDF 始终留在您的设备上。

使用方法