Extrahovať PDF tabuľky

Rozpozná všetky tabuľky v PDF a umožní vám exportovať ich vo zvolenom formáte: CSV, JSON alebo Markdown. Každá tabuľka sa extrahuje samostatne s metadátami o strane a polohe. Poháňa ho engine na rozpoznávanie tabuliek v PyMuPDF.

Ako to funguje

Nahrajte PDF kliknutím na oblasť nahrávania alebo pretiahnutím súboru na ňu.
Vyberte preferovaný formát exportu: CSV, JSON alebo Markdown.
Kliknutím na Extrahovať spustíte spracovanie.
Ak sa nájde jedna tabuľka, stiahne sa ako jeden súbor. Viac tabuliek vytvorí archív ZIP s jedným súborom na tabuľku.

Možnosti

Formát exportu: vyberte si z:
- CSV: hodnoty oddelené čiarkou so správnym úvodzovkovaním polí, ktoré obsahujú čiarky, úvodzovky alebo zalomenia riadkov. Vhodné pre tabuľkové procesory a databázy.
- JSON: štruktúra poľa polí, formátovaná s odsadením 2 medzery. Vhodné na programové spracovanie.
- Markdown: tabuľka oddelená zvislými čiarami, ktorú vykreslí PyMuPDF. Vhodné pre dokumentáciu a súbory README.

Formát výstupu

Jedna tabuľka: filename_table.csv (alebo .json / .md)
Viac tabuliek: filename_tables.zip so súbormi s názvami table_1_page3.csv, table_2_page5.csv atď.

Prípady použitia

Extrakcia konkrétnych tabuliek z rozsiahlych PDF správ bez vyťahovania údajov celého dokumentu.
Získanie tabuliek vo formáte Markdown na priame vloženie do issues na GitHub, wiki alebo dokumentácie.
Vytiahnutie štruktúrovaných údajov JSON z PDF tabuliek pre integrácie API alebo skripty.
Porovnanie tabuliek v rôznych verziách PDF exportom oboch do CSV a porovnaním rozdielov.

Tipy

Tento nástroj vám dáva kontrolu nad každou tabuľkou. Ak chcete všetky tabuľky jednoducho uložiť do jedného CSV, použite PDF do CSV. Pre celý zošit Excel použite PDF do Excelu.
Tabuľky, ktoré presahujú cez viac strán, sa môžu rozpoznať ako samostatné tabuľky na každej strane. Možno ich budete musieť spojiť ručne.
Ak sa nerozpoznajú žiadne tabuľky, PDF môže byť naskenovaný obrázok. Najprv ho spracujte cez OCR, aby ste pridali textovú vrstvu.

Súvisiace nástroje