PDFGym
SK

Premeňte tabuľku z PDF na CSV

alebo ho sem presuňte
Najprv vyberte PDF.

PDF ukladá slová na súradniciach strany, nie bunky v mriežke. Táto stránka nájde tabuľky skryté v tej súradnicovej polievke, nechá vás zaškrtnúť tie, ktoré potrebujete, a každú stiahne ako CSV, ktorý sa najprv znova spracuje a zosúladí bunku po bunke. Naskenované strany sa odmietnu rovno, namiesto aby vydali prázdne súbory.

Dodávateľský cenník uväznený v PDF

Keď čísla, ktoré potrebujete, sedia v dokumente namiesto tabuľky, prepisovanie 400 riadkov je cesta k neúspechu. Vytiahnite mriežku a skontrolujte ju.

Analytička dostane supplier-pricelist-q3.pdf: 9 strán, tri tabuľky s produktmi, nikde žiadny Excel. Otvorí ho tu a detektor vypíše tri tabuľky aj s ich stranami a tvarmi. Zaškrtne tabuľku 2 na strane 4, nechá zapnuté Bezpečné pre tabuľky a stlačí Previesť tabuľku do CSV.

Stiahnutie príde ako supplier-pricelist-q3-table-2.csv, každá bunka pred vydaním znova spracovaná a zosúladená. Zaškrtnutie všetkých troch by namiesto toho zabalilo ZIP s jedným CSV na tabuľku, každý pomenovaný rovnako.

Štyri kroky od PDF k overenému CSV

  1. Otvorte PDF

    Stlačte Vybrať PDF alebo súbor presuňte na stránku. Strany potrebujú označiteľný text; holý sken nemá čo zarovnať.

  2. Zaškrtnite tabuľky

    Panel Vyberte rozpoznané tabuľky vypíše každú nájdenú mriežku, na rýchlu prácu s Vybrať všetko a Zrušiť výber. Jedno zaškrtnutie stiahne jeden CSV, viac zaškrtnutí zabalí ZIP s jedným CSV na tabuľku.

  3. Vyberte režim bezpečnosti buniek

    Možnosť Bezpečné pre tabuľky pridá pred bunky začínajúce na =, +, - alebo @ apostrof, aby ich Excel ani Tabuľky Google nemohli spustiť ako vzorce. Presný text ponechá každý znak nedotknutý na prácu so surovými údajmi.

  4. Overte a stiahnite

    Každý CSV sa znova spracuje a zosúladí bunku po bunke s rozpoznanou mriežkou a balíky ZIP sa tiež znova otvoria. Stiahnuť CSV alebo Stiahnuť ZIP sa ukáže, až keď všetko sedí, s riadkom dôkazu, ktorý spočíta riadky, stĺpce a bunky.

Ako sa tabuľky nájdu a pomenujú

Detektor loví opakované vodorovné a zvislé zarovnanie v natívnej textovej vrstve: stĺpce slov, ktoré sa zarovnajú, riadky, ktoré sa opakujú. Z každého nálezu sa stane očíslovaná tabuľka v poradí dokumentu a výsledok spáruje vykreslenie zdrojovej strany s vytiahnutou mriežkou, aby ste odvodenie posúdili sami. Ten náhľad je skutočnou kontrolou kvality rozpoznania; použite ho zakaždým.

Názvy nasledujú čísla. Tabuľka 2 z cenníka vyššie sa stiahne ako supplier-pricelist-q3-table-2.csv, zatiaľ čo viac zaškrtnutí zdieľa supplier-pricelist-q3-tables.zip s jedným CSV vnútri na tabuľku. Riadok s dôkazom potom spočíta riadky, stĺpce a bunky prečítané späť presne, plus koľko buniek získalo ochranu pred vzorcami. Kontrola dokazuje cestu tam a späť od mriežky do CSV a nazad, nie to, že zlúčený nadpis patril do jedného stĺpca a nie do troch.

Tabuľky, ktoré detektor prečíta zle

Skeny idú prvé, pretože padajú najhlasnejšie: bez textovej vrstvy detektor ohlási, že sa nenašla žiadna tabuľka zo zarovnaného označiteľného textu, a namiesto tlače prázdneho CSV navrhne súbor s natívnym textom. Naskenované štatistiky najprv inde prežeňte krokom OCR; tento nástroj začína tam, kde existujú označiteľné slová.

Vo vnútri natívnych súborov zavádzajú štyri rozloženia. Zlúčené nadpisy sa pripnú na jeden stĺpec. Otočené tabuľky sa čítajú nabok. Polia formulára sa rozprchnú. Viacstĺpcová proza článku sa môže tváriť ako mriežka. Na nič z toho niet v nástroji oprava, takže zvyšky po importe dolaďte v tabuľkovom procesore. A režim Presný text berte s rešpektom: úvodné znaky vzorcov necháva nedotknuté, takže tie súbory otvárajte, iba keď zdroju dôverujete.

Keď je CSV nesprávny formát

Keď je cieľom Excel a nie dátový tok, nástroj PDF do Excelu spustí ten istý detektor a zapíše jednu tabuľku na hárok. Keď na okolitých odsekoch záleží rovnako ako na mriežke, nástroj PDF do Markdownu prenesie celý dokument aj s jeho štruktúrou. Keď potrebujete stranu vidieť a nie na nej počítať, nástroj PDF do obrázkov namiesto toho vykreslí obrázky.

Prečo tabuľky s peniazmi zostanú vo vašom zariadení

Cenníky, výplatné exporty a knihy klientov sú presne tie súbory, ktoré by nikdy nemali zachádzať cez cudzí server. Rozpoznanie, vytiahnutie aj kontrola spätným spracovaním prebehnú tam, kde PDF už leží, bez účtu a bez lehoty uchovávania, ktorej by ste museli veriť.

Bezpečnostný režim tú opatrnosť predĺži do tabuľkového procesora. Cenová bunka s -5 % alebo kód začínajúci na @ by sa v Exceli mohol prebudiť ako vzorec; apostrof ho udrží v spánku ako obyčajný text. Medzi lokálnym spracovaním a stráženými bunkami prídu čísla bez prekvapení na oboch koncoch.

Krátke odpovede o tabuľkách z PDF do CSV

Prečo môj naskenovaný cenník nič nenašiel?
Skeny nesú pixely, nie slová, takže detektor nemá čo zoskupiť. Nástroj to povie jasne, namiesto aby odoslal prázdny CSV. Sken inde prežeňte cez OCR a potom sem prineste textovú verziu.
Nadpis sa tiahne cez tri stĺpce, ale pristál v jednom. Opravím ho tu?
Nie. Rozpoznanie odvodí hranice raz a v nástroji niet opravný prechod. Skontrolujte náhľad s dvoma pohľadmi, stiahnite a zvyšky dolaďte v tabuľkovom procesore.
Ktoré bunky získajú apostrof v bezpečnom režime?
Bunky začínajúce na =, +, - alebo @, teda znaky, ktoré tabuľkové procesory dokážu prebudiť ako vzorce. Poznámka k výsledku spočíta, koľko sa ich strážilo; ostatný text si znaky podrží s normalizovanými medzerami.
Ktorá tabuľka je table-2 v názve súboru?
Druhá mriežka, ktorú detektor našiel, počítané dokumentom za sebou. Poznámka k výsledku pomenuje aj jej stranu, takže table-2 na strane 4 je jednoznačné.
Zlúčim tri tabuľky do jedného CSV?
Nie. Každá vybraná tabuľka sa zámerne stiahne ako vlastný CSV, takže nesúvisiace mriežky sa nikdy nezlejú. Po importe ich v tabuľkovom procesore poukladajte na seba.

Ďalšie nástroje, ktoré oslobodia uväznené údaje

Nástroje nižšie bežia rovnako lokálne: rozpoznávanie vo vašom zariadení, výstupy pred stiahnutím znova skontrolované a nikde žiadny účet.