Витяг таблиць
Знаходить усі таблиці в PDF і дозволяє експортувати їх у вибраному форматі: CSV, JSON або Markdown. Кожна таблиця витягується окремо з метаданими сторінки та позиції. Працює на рушії виявлення таблиць PyMuPDF.
Як це працює
- Завантажте PDF, клацнувши зону завантаження або перетягнувши на неї файл.
- Виберіть бажаний формат експорту: CSV, JSON або Markdown.
- Натисніть Витягнути таблиці, щоб почати обробку.
- Якщо знайдено одну таблицю, вона завантажується як один файл. Кілька таблиць дають ZIP-архів з одним файлом на таблицю.
Параметри
- Формат експорту: виберіть один із варіантів:
- CSV: значення, розділені комами, з належним екрануванням полів, що містять коми, лапки чи переноси рядків. Підходить для електронних таблиць і баз даних.
- JSON: структура масиву масивів, відформатована з відступом у 2 пробіли. Підходить для програмної обробки.
- Markdown: формат таблиці з роздільниками-вертикальними рисками, який формує PyMuPDF. Підходить для документації та файлів README.
Формат результату
- Одна таблиця:
filename_table.csv(або.json/.md) - Кілька таблиць:
filename_tables.zipз файлами на кшталтtable_1_page3.csv,table_2_page5.csvтощо.
Сценарії використання
- Витягування окремих таблиць із довгих PDF-звітів без вивантаження даних усього документа.
- Отримання таблиць у форматі Markdown для вставлення безпосередньо в задачі GitHub, вікі чи документацію.
- Отримання структурованих даних JSON із таблиць PDF для інтеграцій з API чи скриптів.
- Порівняння таблиць у різних версіях PDF шляхом експорту обох у CSV і перегляду відмінностей.
Поради
- Цей інструмент дає контроль над кожною таблицею окремо. Якщо потрібно просто вивантажити всі таблиці в один CSV, скористайтеся PDF у CSV. Для повної книги Excel використовуйте PDF у Excel.
- Таблиці, що охоплюють кілька сторінок, можуть визначатися як окремі таблиці на кожній сторінці. Можливо, їх доведеться об’єднати вручну.
- Якщо таблиць не виявлено, PDF може бути скануванням. Спершу пропустіть його через OCR, щоб додати текстовий шар.