حوّل جداول PDF إلى Excel

PDF إلى Excel يشغّل `pdftotext -layout`، ويبحث عن أسطر فيها مسافتان متتاليتان أو أكثر، ويكتب تلك الأسطر في مصنف `.xlsx`. كل جدول مكتشف يصبح ورقة باسم `Page N` أو `Page N Table M`. مناسب لـ PDF إلكتروني أعمدته محاذاة أصلًا في النص المستخرج.

يحتاج الجدول صفين متتاليين على الأقل يشبهان جدولًا. النثر أو صف رأس وحيد أو مسح بلا طبقة نص يعطي `no_content`: بلا مصنف. النتيجة الفارغة مقصودة، لا فشل صامت.

تتجاهل الأداة معاملات الطلب. بلا حقل نطاق صفحات في هذه الصفحة. تُقطع الأعمدة عند مسافتين متتاليتين أو أكثر؛ والمسافة المفردة داخل الخلية تبقى في الخلية.

ليست OCR. المسوحات الصورية البحتة لا شيء فيها يقرؤه `pdftotext`. وOCR في الموقع يعيد Markdown لا يُرسل إلى PDF إلى Excel مرة أخرى. عندما توجد الكلمات في البكسلات فقط، فلا جدول بيانات هنا.

PDF إلى CSV يستخدم إرشاد التخطيط نفسه. جدول واحد يصبح CSV؛ عدة جداول تصبح ZIP من CSV. وExcel يضع تلك الجداول أوراقًا في مصنف واحد. لا يستعيد أي منهما الخلايا المدمجة أو الرؤوس الملونة أو الأوراق المخفية من PDF.

افتح التنزيل في Excel أو LibreOffice Calc وراجع قطع الأعمدة على بضعة صفوف. الجداول الضيقة بلا فجوة مسافتين غالبًا تسقط في عمود واحد. الملفات المحمية بكلمة مرور تُفتح لك في هذه الصفحة بمجرد إدخال كلمة المرور؛ ومستخدمو API يجرون «إزالة كلمة المرور» أولًا.

قاعدة المسافتين هي آلية الكشف كلها، لذا تعتمد جودة المصنف كليًا على طريقة تنسيق الـ PDF. الجداول التي ينتجها مولّد تقارير يحشو كل خلية إلى عرض ثابت تُستخرج بنظافة. أما التي بين أعمدتها مسافة واحدة، أو التي تستخدم خطًا متناسبًا يجعل الأعمدة شبه متلاصقة، فلا تُسجَّل كجداول أصلًا وقد لا تعيد أي مصنف. قبل أن تلوم الأداة، حدّد سطرًا في الـ PDF وتأكد أن النص قابل للتحديد أصلًا.

تتبع تسمية الأوراق الموضع لا المحتوى. كل كتلة مكتشفة تصبح `Page N` أو `Page N Table M` بحسب ترتيب مسح الصفحات. تقرير فيه جدول في كل صفحة ينتج ورقة لكل صفحة؛ وصفحة فيها ثلاثة جداول متراكبة تنتج ثلاث أوراق مرقّمة. لا خيار لتسمية الأوراق باسم خلية رأس، ولا مخرج مدمج في ورقة واحدة.

تُكتب القيم نصًا، تمامًا كما ظهرت في استخراج الـ PDF الذي يحافظ على التخطيط. لا تُحوَّل الأرقام إلى خلايا رقمية، فتبقى الأصفار البادئة وتبقى رموز العملة والفواصل الألفية داخل النص. هذا غالبًا ما تريده لأرقام الحسابات والرموز البريدية، ومزعج قليلًا لعمود مبالغ تنوي جمعه. حوّل الأنواع في جدول البيانات، أو انسخ العمود واستخدم «النص إلى أعمدة» أو تحويل القيم في البرنامج الهدف.

لا تُزال الصفوف المكررة ولا تُحذف الرؤوس المعادة. حين ينقسم جدول عند حدّ صفحة، يتكرر صف الرأس غالبًا في الصفحة التالية ويصبح تكملة الجدول ورقة مستقلة. لا تُعاد بناء الخلايا المدمجة؛ فالخلية التي امتدت عمودين في الـ PDF يقع نصها في العمود الأيسر فقط ويبقى الأيمن فارغًا. والخلايا متعددة الأسطر تصبح صفوفًا منفصلة بدل قيمة واحدة ملتفة.

الرفوعات مؤقتة. لا نحتفظ بمكتبة مصنفات لك.