Извлечение таблиц из PDF

CSV открывается в Excel, Google Таблицах или любом импорте в базу данных. JSON даёт массив строк, каждая из которых это массив строк-ячеек, для скриптов и API. Markdown даёт таблицу с вертикальными чертами, которую можно вставить в GitHub, вики или документацию.

Каждая таблица сохраняется в отдельный файл с именем вроде table_1_page3.csv, и все они упаковываются в filename_tables.zip. Одна таблица скачивается сразу как filename_table.csv, .json или .md. Если вы предпочитаете все таблицы в одном файле, используйте PDF в CSV.

Обнаружение работает по текстовому слою документа. Отсканированные PDF содержат только изображение, поэтому сначала пропустите их через OCR PDF. Текст, который лишь выглядит как таблица из-за пробелов, без табличной структуры, тоже может остаться необнаруженным.

Нет. Каждая страница сканируется отдельно, поэтому таблица, занимающая несколько страниц, экспортируется отдельным файлом на каждую страницу, с номером страницы в имени. Соедините части в таблице после извлечения.

Всегда сканируется весь документ, но номер страницы в имени каждого файла подскажет, откуда взята таблица. Чтобы ограничить сканирование, сначала сохраните нужные страницы с помощью Извлечения страниц и запустите этот инструмент на файле поменьше.

Да. Ячейки с запятыми, кавычками или переносами строк берутся в двойные кавычки, а внутренние кавычки удваиваются, поэтому программы для таблиц читают их правильно. Пустые ячейки записываются как пустые поля.

Если для открытия файла нужен пароль, он запрашивается до начала извлечения, а таблицы читаются из расшифрованной копии в памяти.

Нет. Движок обнаружения (PyMuPDF, скомпилированный в WebAssembly) скачивается с CDN при первом использовании, а затем работает в вашем браузере. Ваш PDF остаётся на вашем устройстве.