PDFテーブルの抽出

PDF内のすべての表を検出し、CSV、JSON、Markdownのお好みの形式でエクスポートできます。各表は、ページと位置のメタデータとともに個別に抽出されます。PyMuPDFの表検出エンジンを搭載しています。

使い方

1. ドロップゾーンをクリックするか、ファイルをドラッグして、PDFをアップロードします。
2. お好みの エクスポート形式 を選びます。CSV、JSON、Markdownのいずれかです。
3. 抽出 をクリックして、処理を開始します。
4. 表が1つ見つかった場合は、単一のファイルとしてダウンロードされます。複数の表がある場合は、表ごとに1ファイルのZIPアーカイブになります。

オプション

• エクスポート形式: 次から選べます。
  • CSV: カンマ、引用符、改行を含むフィールドを適切に引用符で囲んだ、カンマ区切りの値。表計算ソフトやデータベースに適しています。
  • JSON: 配列の配列の構造で、2スペースのインデントで整形されます。プログラムでの利用に適しています。
  • Markdown: PyMuPDFが描画する、パイプ区切りの表形式。ドキュメントやREADMEファイルに適しています。

出力形式

• 表が1つ: filename_table.csv（または .json / .md）
• 複数の表: table_1_page3.csv、table_2_page5.csv のような名前のファイルを含む filename_tables.zip

活用例

• 長いPDFレポートから、文書全体のデータを取り出さずに、特定の表だけを抽出する。
• GitHubのIssue、Wiki、ドキュメントに直接貼り付けるために、表をMarkdown形式で取得する。
• APIの連携やスクリプトのために、PDFの表から構造化されたJSONデータを取り出す。
• 異なるバージョンのPDFの表を、両方をCSVにエクスポートして差分を取って比較する。

ヒント

• このツールでは表ごとに制御できます。すべての表を1つのCSVにまとめて出力するだけなら、PDFからCSV を使ってください。Excelのブック全体が必要な場合は、PDFからExcel を使ってください。
• 複数のページにまたがる表は、ページごとに別々の表として検出されることがあります。手動で連結する必要があるかもしれません。
• 表が検出されない場合、PDFはスキャン画像かもしれません。先にOCRを実行して、テキストレイヤーを追加してください。

関連ツール

• PDFからCSV
• PDFからExcel
• PDFからテキスト