Извлечение таблиц из PDF
Находит все таблицы в PDF и позволяет экспортировать их в выбранном формате: CSV, JSON или Markdown. Каждая таблица извлекается отдельно с метаданными о странице и положении. Работает на движке обнаружения таблиц PyMuPDF.
Как это работает
- Загрузите PDF, щелкнув по области загрузки или перетащив на нее файл.
- Выберите нужный формат экспорта: CSV, JSON или Markdown.
- Нажмите Извлечь таблицы, чтобы начать обработку.
- Если найдена одна таблица, она скачивается одним файлом. Если таблиц несколько, создается ZIP-архив с отдельным файлом для каждой таблицы.
Параметры
- Формат экспорта: выберите один из вариантов:
- CSV: значения через запятую с корректным заключением в кавычки полей, содержащих запятые, кавычки или переводы строк. Подходит для электронных таблиц и баз данных.
- JSON: структура «массив массивов» с форматированием и отступом в 2 пробела. Подходит для программной обработки.
- Markdown: формат таблицы с разделителями-вертикальными чертами, создаваемый PyMuPDF. Подходит для документации и файлов README.
Формат результата
- Одна таблица:
filename_table.csv(или.json/.md) - Несколько таблиц:
filename_tables.zipс файламиtable_1_page3.csv,table_2_page5.csvи так далее.
Сценарии использования
- Извлечение отдельных таблиц из объемных PDF-отчетов без выгрузки данных всего документа.
- Получение таблиц в формате Markdown для вставки прямо в задачи GitHub, вики и документацию.
- Получение структурированных данных JSON из таблиц PDF для интеграций с API и скриптов.
- Сравнение таблиц из разных версий PDF: экспортируйте обе версии в CSV и сравните их.
Советы
- Этот инструмент дает контроль над каждой таблицей. Если нужно выгрузить все таблицы в один CSV, используйте PDF в CSV. Для полной книги Excel используйте PDF в Excel.
- Таблицы, занимающие несколько страниц, могут быть определены как отдельные таблицы на каждой странице. Возможно, их придется объединить вручную.
- Если таблицы не обнаружены, возможно, PDF является отсканированным изображением. Сначала выполните распознавание текста, чтобы добавить текстовый слой.