Leerer Export von Tabellen (204): Deine PDF hat vermutlich keine Spalten
PDF zu Excel und PDF zu CSV liefern HTTP 204, wenn keine Tabellenblöcke erkannt werden. Absicht, kein Absturz. Scans zuerst per OCR; reine Text-PDFs bleiben leer.

Wenn PDF zu Excel oder PDF zu CSV mit HTTP 204 No Content und ohne Inhalt zum Herunterladen endet, hat die Extraktion keine Tabellenblöcke gefunden. Dieser Status ist beabsichtigt: Die API weigert sich, eine leere Tabellenkalkulation zu erfinden, wenn die Heuristik des Layouts keine Spalten sieht.
Wonach die Extraktion sucht
Beide Werkzeuge nutzen denselben Ablauf. Der Server führt pdftotext -layout aus, trennt Seiten an Grenzen des Seitenvorschubs und gruppiert Zeilen, die wie spaltenförmige Blöcke aussehen. Eine Zeile gilt als tabellarisch, wenn sie mindestens zwei aufeinanderfolgende Leerzeichen enthält (die Zwischenräume zwischen Spalten im Layout-Modus). Ein Block bleibt nur erhalten, wenn er mindestens zwei solcher Zeilen hat; eine einzelne Zeile mit Leerzeichen wird verworfen, damit aus Überschriften keine „Tabellen“ mit einer Zeile werden.
PDF zu CSV (POST /api/v1/convert/pdf/csv) gibt eine CSV pro erkannter Tabelle aus (benannt nach Seite und Index der Tabelle) oder ein ZIP, wenn es mehrere sind. PDF zu Excel (POST /api/v1/convert/pdf/xlsx) schreibt eine Arbeitsmappe mit einem Blatt pro erkannter Tabelle.
Ist diese Liste leer, geben beide Output::no_content() zurück, abgebildet auf 204. Eine Antwort 200 mit einer leeren .xlsx ließe sich leichter fälschlich als Erfolg lesen; 204 bedeutet „nichts zu exportieren“.
Häufige Gründe für 204
- PDF nur mit Fließtext: erzählender Text ohne klare Ausrichtung von Spalten. Nutze stattdessen PDF zu Text oder PDF zu Markdown.
- Gescannte Seiten ohne Textebene: Die Ausgabe von
pdftotextist leer, also erscheinen keine Tabellen. Führe zuerst OCR aus (auf dieser Website Text als Markdown) und versuche es nur dann erneut, wenn die Wörter tatsächlich Spalten bilden. - Tabellen nur als Linien oder Bilder: sichtbare Gitter ohne extrahierbaren Text in Zellen werden keine Blätter.
- Unruhige Layouts von Zeitschriften mit mehreren Spalten: Die Heuristik kann Blöcke übersehen, die ein Mensch „Tabelle“ nennt, oder die Reihenfolge des Lesens schlecht zusammenführen.
- „Tabellen“ mit einer Zeile: Eine einzelne Zeile mit Leerzeichen wird nie zum Block; du brauchst mindestens zwei tabellarische Zeilen.
Verschlüsselte Dateien brauchen vor der Extraktion ein berechtigtes Entsperren. Eine beschädigte Datei reparierst du mit Reparieren, wenn Get Info oder der Export sie nicht öffnen kann.
Was 204 nicht ist
204 ist kein Fehler beim Transport, kein Timeout und kein „der Server hat den Anhang vergessen“. Behandle den Status als erfolgreiche Entscheidung: keine Tabellenblöcke. Dieselbe Datei ohne Änderung der Textebene oder des Layouts erneut zu senden liefert wieder 204. Skripte sollten am Statuscode verzweigen und nicht an einem leeren Dateinamen.
Markdown aus OCR ist eine Textextraktion für Agenten und keine Tabellenkalkulation. Wenn du die Ausgabe von OCR in eine Datei .md einfügst und später Spalten brauchst, brauchst du weiterhin ein Layout, das pdftotext -layout (oder ein Mensch) als Zwischenräume erkennt; dieselbe gescannte PDF ohne Textebene erneut zu exportieren liefert weiterhin 204.
Was du als Nächstes tun kannst
- Öffne die PDF und prüfe, ob sich Text in Zellen markieren lässt. Wenn nicht, führe OCR aus und entscheide dann, ob der gewonnene Text für diese Heuristik genug Spalten hat.
- Bevorzuge PDF zu Excel, wenn du mehrere Tabellen erwartest (je ein Blatt). Bevorzuge PDF zu CSV für eine einzelne flache Datei oder ein ZIP aus CSV-Dateien.
- Ist die Seite erzählend, wechsle das Werkzeug; der Export von Tabellen liefert weiterhin 204.
- Ordne für die Behandlung von Status in Agenten oder Pipelines 204 der Bedeutung „keine Tabellen erkannt“ zu und keiner allgemeinen Wiederholungsschleife.
- Brauchst du nur die Wörter, bleib bei PDF zu Text oder PDF zu Markdown; Fließtext in die Form einer Tabelle zu zwingen liefert weiterhin 204.
Für den Weg im Browser ist kein Konto nötig. Dieselben Endpunkte über HTTP: Entwickler. Sende bei Wiederholungen einen Idempotency-Key, wenn dein Client zweimal POST senden könnte (Idempotency-Key).