PDF в CSV

Он запускает распознавание таблиц PyMuPDF на каждой странице, ища линии разметки и выровненный текст, из которых состоит таблица. Каждая найденная таблица записывается в CSV строка за строкой, а все страницы просматриваются за один проход.

Все они записываются в один файл .csv в порядке страниц: строки одной таблицы идут сразу за строками предыдущей, без разделителя между ними. Если каждая таблица нужна в отдельном файле или на отдельном листе, используйте PDF в Excel.

Обычно в PDF данные выстроены пробелами и табуляциями, которые лишь выглядят как таблица, но не имеют структуры, нужной распознавателю, либо страница является сканом вовсе без текстового слоя. Для сканов сначала запустите OCR PDF, чтобы появился текст для распознавания.

Ячейки с запятой, двойной кавычкой или переводом строки заключаются в двойные кавычки, а кавычки внутри них удваиваются согласно RFC 4180. Файл сохраняется в UTF-8, поэтому буквы с диакритикой и нелатинские алфавиты без потерь попадают в электронную таблицу.

Нет. CSV это обычный текст, поэтому полужирный шрифт, цвета, объединённые ячейки и ширина столбцов отбрасываются, остаются только значения ячеек. Числа экспортируются как текст, показанный в PDF, включая символы валют и разделители тысяч.

Пароль будет запрошен после загрузки, и извлечение продолжится после его ввода. Пароль используется только для открытия файла в вашем браузере.

Нет. Движок распознавания таблиц загружается в ваш браузер как WebAssembly, а CSV создаётся локально, поэтому документ не покидает ваше устройство. Первый запуск занимает немного больше времени, пока загружается движок.

В большинстве конфигураций достаточно дважды щёлкнуть файл, поскольку инструмент использует стандартный разделитель-запятую. Если ваш Excel настроен на региональные параметры с точкой с запятой, выберите «Данные > Из текста/CSV» и укажите запятую как разделитель.