PDFGym
ZH

把PDF表格转成CSV

或拖到这里
请先选择一个PDF。

PDF里存的是每个词的页面坐标，而不是现成的行列格。本页从这堆坐标里找出藏着的表格，请您勾选需要的表，每张表都会先重新解析并逐格比对，通过后再下载CSV。扫描页没有文字可对，会直接拒收，绝不给您空文件。

被困在PDF里的供应商报价单

需要的数字躺在文档里而不是表格里时，最笨的办法就是把四百行手工重敲一遍。把表格提出来，再核对一遍。

一位分析师收到supplier-pricelist-q3.pdf：9页，三张产品表，根本没有Excel。她在本页打开文件，检测器列出三张表，每张都标了页码和行列数。她勾选第4页的表2，保持表格安全模式开启，按下把表格转成CSV。

下载得到supplier-pricelist-q3-table-2.csv，每个单元格都经过重新解析和比对才放行。如果三张全选，就会打成一个ZIP，每张表各一个CSV，命名方式相同。

从PDF到核验CSV的四步

  1. 打开PDF

    按选择PDF，或把文件拖到页面上。页面必须带可选文字，纯扫描件没有东西可对齐。

  2. 勾选表格

    选择检出的表格面板列出找到的每张表，全选和全部取消选择可以快速成组操作。只勾一张就下载单个CSV，勾选多张就打成ZIP，每张表各一个CSV。

  3. 选择单元格安全模式

    表格安全模式会给以=、+、-或@开头的单元格加前导单引号，这样Excel和Google表格就不会把它们当公式执行。精确文本模式保留每个字符原样，适合处理原始数据。

  4. 核验并下载

    每个CSV都会重新解析，再与检测出的表格逐格比对，ZIP包也会重新打开检查。全部通过后才会出现下载CSV按钮，多选时则为ZIP下载，并附一行回执，数清行数、列数和单元格数。

表格如何被找到和命名

检测器在原生文字层里寻找横竖方向的重复对齐：排成列的词，重复出现的行。每处发现按文档顺序编成一张表，结果页把源页面渲染图和提取出的表格并排展示，请您自己判断这次推断准不准。这处预览才是检测质量真正的检验，每次都要看。

文件名跟着编号走。上例报价单的表2下载为supplier-pricelist-q3-table-2.csv，多选时则共用supplier-pricelist-q3-tables.zip，包里每张表各一个CSV。回执会数清读回的行数、列数、单元格数，以及得到公式保护的单元格数。这项检查证明的是从表格到CSV再读回的全程无误，而不是证明合并表头本来就该归一列还是三列。

检测器容易看走眼的表格

扫描件排第一，因为它错得最响：没有文字层，检测器会明确告诉您没有找到由可选文字对齐成的表格，并建议换原生文字文件，而不是印出一张空CSV。扫描的统计表请先在别处做OCR，本工具从可选文字存在的地方起步。

原生文件里有四种版面容易误导：合并表头会被钉在单列里，旋转的表格会被横着读，表单字段会散开，多栏文章正文可能被当成表格。这些在工具里都无法修正，请导入表格后再手工扶正零散的格子。另外请敬畏精确文本模式：它保留开头的公式字符原样，只在您信任来源时才打开这类文件。

CSV装不下的时候

目的地是Excel而不是数据流水线时，PDF转Excel跑同一套检测器，每张表写成一个工作表。周围段落和表格同样重要时，PDF转Markdown把整篇文档连结构一起带走。只需要看页面而不必计算时，PDF转图片渲染的是图片而不是数据。

金钱表格为何留在您的设备上

报价单、工资导出表、客户台账，正是最不该绕道陌生服务器的文件。检测、提取、重新解析检查，全在PDF本来就在的地方完成，不用注册，也没有留存期限要信。

安全模式把这份谨慎延伸进表格里。写着-5%的价格格，以@开头的编号，在Excel里都可能醒来变成公式，前导单引号让它们继续睡成纯文本。本地处理加上受保护的单元格，数字两头都安稳落地。

PDF表格转CSV快问快答

扫描的报价单为什么什么都没找到？
扫描件只有像素没有词，对齐器无物可组。工具会明说，而不是塞给您一张空CSV。请先在别处做OCR，再把带文字的版本拿来。
表头跨三栏却落进一列，能在这里改吗？
不能。检测只推断一次边界，工具里没有修正环节。请看双视图预览，下载后在表格里扶正零散的格子。
安全模式下哪些单元格会加单引号？
以=、+、-或@开头的单元格，这些字符在表格里都可能醒来变成公式。结果备注会数清保护了几个，其他文字只做常规的空格整理，字符不动。
文件名里的table-2是第几张表？
检测器按文档顺序找到的第二张表。结果备注还会写明它在哪一页，所以第4页的table-2不会认错。
三张表能并成一个CSV吗？
不能。每张选中的表各下载一个CSV，这是故意的设计，不相关的表永不相融。请在导入表格后再上下拼接。

把被困数据放出来的更多工具

下面的工具跑的都是同一套本地做法：在您的设备上检测，输出重新检查后再下载，全程不用帐户。