Extraire les tableaux PDF

Détecte tous les tableaux d'un PDF et vous permet de les exporter au format de votre choix : CSV, JSON ou Markdown. Chaque tableau est extrait individuellement avec ses métadonnées de page et de position. Propulsé par le moteur de détection de tableaux de PyMuPDF.

Fonctionnement

1. Importez un PDF en cliquant sur la zone de dépôt ou en y glissant un fichier.
2. Sélectionnez votre format d'export préféré : CSV, JSON ou Markdown.
3. Cliquez sur Extraire pour lancer le traitement.
4. Si un seul tableau est trouvé, il est téléchargé sous forme d'un seul fichier. Plusieurs tableaux produisent une archive ZIP avec un fichier par tableau.

Options

• Format d'export : choisissez entre :
  • CSV : valeurs séparées par des virgules, avec des guillemets appropriés pour les champs contenant des virgules, des guillemets ou des sauts de ligne. Convient aux tableurs et aux bases de données.
  • JSON : structure de tableaux de tableaux, mise en forme avec une indentation de 2 espaces. Convient à une exploitation par programme.
  • Markdown : format de tableau délimité par des barres verticales, produit par PyMuPDF. Convient à la documentation et aux fichiers README.

Format de sortie

• Un seul tableau : filename_table.csv (ou .json / .md)
• Plusieurs tableaux : filename_tables.zip contenant des fichiers nommés table_1_page3.csv, table_2_page5.csv, etc.

Cas d'usage

• Extraire des tableaux précis de longs rapports PDF sans récupérer les données de tout le document.
• Obtenir des tableaux au format Markdown à coller directement dans des tickets GitHub, des wikis ou de la documentation.
• Récupérer des données JSON structurées à partir de tableaux PDF pour des intégrations d'API ou des scripts.
• Comparer des tableaux entre différentes versions de PDF en exportant les deux en CSV et en comparant les différences.

Conseils

• Cet outil vous donne un contrôle tableau par tableau. Si vous voulez simplement tous les tableaux dans un seul CSV, utilisez PDF vers CSV. Pour un classeur Excel complet, utilisez PDF vers Excel.
• Les tableaux qui s'étendent sur plusieurs pages peuvent être détectés comme des tableaux distincts par page. Vous devrez peut-être les concaténer manuellement.
• Si aucun tableau n'est détecté, le PDF est peut-être une image numérisée. Passez-le d'abord par l'OCR pour ajouter une couche de texte.

Outils associés

• PDF vers CSV
• PDF vers Excel
• PDF vers texte