Eksport Jadual Kosong (204): PDF Anda Mungkin Tiada Lajur
PDF ke Excel dan PDF ke CSV memulangkan HTTP 204 apabila tiada blok jadual dikesan, bukan ranap. OCR imbasan dahulu; PDF prosa sahaja kekal kosong.

Jika PDF ke Excel atau PDF ke CSV selesai dengan HTTP 204 No Content dan tiada badan muat turun, pengekstrak menemui sifar blok jadual. Status itu memang disengajakan: API enggan mencipta hamparan kosong apabila heuristik susun atur tidak melihat sebarang lajur.
Apa yang dicari oleh pengekstrak
Kedua-dua alat berkongsi pipeline yang sama. Pelayan menjalankan pdftotext -layout, memisahkan halaman pada sempadan suapan borang, dan mengelompokkan baris yang kelihatan seperti blok lajur. Satu baris dikira sebagai berbentuk jadual apabila ia mengandungi sekurang-kurangnya dua ruang berturut-turut (ruang pemisah lajur dalam mod susun atur). Sesuatu blok hanya dikekalkan apabila ia mempunyai sekurang-kurangnya dua baris sedemikian; baris tunggal yang berjarak dibuang supaya tajuk tidak menjadi "jadual" satu baris.
PDF ke CSV (POST /api/v1/convert/pdf/csv) mengeluarkan satu CSV bagi setiap jadual yang dikesan (dinamakan dengan indeks halaman dan jadual), atau satu ZIP apabila terdapat beberapa jadual. PDF ke Excel (POST /api/v1/convert/pdf/xlsx) menulis satu buku kerja dengan satu helaian bagi setiap jadual yang dikesan.
Apabila senarai itu kosong, kedua-duanya memulangkan Output::no_content() yang dipetakan kepada 204. Respons 200 dengan .xlsx kosong lebih mudah disalahertikan sebagai kejayaan; 204 bermakna "tiada apa-apa untuk dieksport."
Sebab biasa anda menerima 204
- PDF prosa sahaja: teks naratif tanpa penjajaran lajur yang jelas. Gunakan PDF ke Teks atau PDF ke Markdown sebaliknya.
- Halaman imbasan tanpa lapisan teks: keluaran
pdftotextkosong, jadi tiada jadual yang muncul. Jalankan OCR dahulu (teks Markdown di tapak ini), kemudian cuba semula hanya jika perkataan itu benar-benar membentuk lajur. - Jadual yang dilukis sebagai garis atau imej sahaja: grid visual tanpa teks sel yang boleh diekstrak tidak akan menjadi helaian.
- Susun atur majalah berbilang lajur yang tidak kemas: heuristik mungkin terlepas pandang blok yang manusia panggil "jadual," atau menggabungkan susunan bacaan dengan teruk.
- "Jadual" satu baris: satu baris berjarak tidak pernah menjadi blok; anda memerlukan sekurang-kurangnya dua baris berbentuk jadual.
Fail yang disulitkan memerlukan Buang kata laluan yang dibenarkan sebelum pengekstrakan. Baiki fail yang rosak dengan Baiki PDF jika Maklumat dokumen atau eksport itu tidak dapat membukanya.
Apa yang bukan 204
204 bukan kegagalan pengangkutan, bukan tamat masa, dan bukan tanda "pelayan terlupa lampiran." Anggapnya sebagai keputusan yang berjaya: tiada blok jadual. Cubaan semula pada fail yang sama tanpa mengubah lapisan teks atau susun atur akan memulangkan 204 lagi. Skrip harus bercabang berdasarkan kod status, bukan berdasarkan nama fail yang kosong.
OCR Markdown daripada OCR ialah ekstrak teks untuk ejen, bukan hamparan. Jika anda tampalkan keluaran OCR ke dalam fail .md dan kemudian memerlukan lajur, anda masih memerlukan susun atur yang boleh dilihat sebagai ruang pemisah oleh pdftotext -layout (atau oleh manusia); mengeksport semula PDF imbasan yang sama tanpa lapisan teks akan terus memulangkan 204.
Apa yang perlu dilakukan seterusnya
- Buka PDF itu dan sahkan anda boleh memilih teks sel. Jika tidak, jalankan OCR, kemudian tentukan sama ada teks yang dipulihkan cukup berbentuk lajur untuk heuristik ini.
- Utamakan PDF ke Excel apabila anda menjangkakan beberapa jadual (satu helaian bagi setiap satu). Utamakan PDF ke CSV untuk satu fail yang rata atau satu ZIP fail CSV.
- Jika halamannya naratif, tukar alat; eksport jadual akan terus memulangkan 204.
- Untuk pengendalian status oleh ejen atau pipeline, petakan 204 β "tiada jadual dikesan," bukan gelung cubaan semula yang generik.
- Jika anda hanya memerlukan perkataannya, berhenti di PDF ke Teks atau PDF ke Markdown; memaksa bentuk hamparan pada prosa akan terus memulangkan 204.
Tiada akaun diperlukan untuk laluan pelayar. Laluan yang sama melalui HTTP: Pembangun. Hantar Idempotency-Key semasa cubaan semula jika klien anda mungkin menghantar POST dua kali (Idempotency-Key).