Lege tabelexport (204): uw PDF heeft waarschijnlijk geen kolommen
PDF naar Excel en PDF naar CSV geven HTTP 204 als er geen tabelblokken zijn gedetecteerd, bewust en geen crash. OCR scans eerst; PDF's met alleen proza blijven leeg.

Als PDF to Excel of PDF to CSV eindigt met HTTP 204 No Content en zonder download, dan heeft de extractor nul tabelblokken gevonden. Die status is bewust: de API weigert een lege spreadsheet te verzinnen wanneer de heuristiek voor de opmaak geen kolommen ziet.
Waar de extractor naar zoekt
Beide tools delen dezelfde pijplijn. De server voert pdftotext -layout uit, splitst pagina's op form-feed-grenzen en groepeert regels die op kolomblokken lijken. Een regel geldt als tabulair wanneer die minstens twee opeenvolgende spaties bevat (de kolomopeningen van de layoutmodus). Een blok blijft alleen behouden als het minstens twee zulke regels heeft; een enkele regel met spaties wordt weggegooid, zodat koppen geen “tabellen” van één rij worden.
PDF to CSV (POST /api/v1/convert/pdf/csv) levert één CSV per gedetecteerde tabel (met pagina en tabelindex in de naam), of een ZIP bij meerdere. PDF to Excel (POST /api/v1/convert/pdf/xlsx) schrijft één werkmap met een werkblad per gedetecteerde tabel.
Is die lijst leeg, dan geven beide Output::no_content() terug, wat overeenkomt met 204. Een 200 met een blanco .xlsx is makkelijker als succes te lezen; 204 betekent “niets om te exporteren”.
Veelvoorkomende redenen voor 204
- PDF met alleen proza: doorlopende tekst zonder duidelijke kolomuitlijning. Gebruik in plaats daarvan PDF to Text of PDF to Markdown.
- Gescande pagina's zonder tekstlaag: de uitvoer van
pdftotextis leeg, dus er verschijnen geen tabellen. Voer eerst OCR uit (Markdown-tekst op deze site) en probeer het alleen opnieuw als de woorden echt kolommen vormen. - Tabellen die alleen uit lijnen of afbeeldingen bestaan: visuele rasters zonder extraheerbare celtekst worden geen werkbladen.
- Rommelige tijdschriftindelingen met meerdere kolommen: de heuristiek kan blokken missen die een mens een “tabel” zou noemen, of de leesvolgorde verkeerd samenvoegen.
- “Tabellen” van één rij: één regel met spaties wordt nooit een blok; u hebt minstens twee tabulaire regels nodig.
Versleutelde bestanden hebben een geautoriseerde Unlock nodig voordat u kunt extraheren. Repareer een beschadigd bestand met Repair als Get Info of de export het niet kan openen.
Wat 204 niet is
204 is geen netwerkfout, geen time-out en niet “de server is de bijlage vergeten”. Zie het als een geslaagde beslissing: geen tabelblokken. Hetzelfde bestand opnieuw proberen zonder de tekstlaag of de opmaak te wijzigen, levert weer 204 op. Scripts moeten op de statuscode vertakken, niet op een lege bestandsnaam.
OCR-Markdown van OCR is een tekstextractie voor agents, geen spreadsheet. Plakt u OCR-uitvoer in een .md-bestand en hebt u later kolommen nodig, dan hebt u nog steeds een opmaak nodig die pdftotext -layout (of een mens) als kolomopeningen kan zien; dezelfde scan-PDF zonder tekstlaag opnieuw exporteren blijft 204 opleveren.
Wat u hierna kunt doen
- Open de PDF en controleer of u celtekst kunt selecteren. Lukt dat niet, gebruik dan OCR en beslis daarna of de herstelde tekst kolomachtig genoeg is voor deze heuristiek.
- Kies PDF to Excel wanneer u meerdere tabellen verwacht (elk een eigen werkblad). Kies PDF to CSV voor één plat bestand of een ZIP met CSV's.
- Is de pagina doorlopende tekst, wissel dan van tool; tabelexport blijft 204 opleveren.
- Voor de afhandeling van statussen in agents of pijplijnen: laat 204 staan voor “geen tabellen gedetecteerd”, niet voor een generieke lus met nieuwe pogingen.
- Hebt u alleen de woorden nodig, stop dan bij PDF to Text of PDF to Markdown; een spreadsheetvorm forceren op proza blijft 204 opleveren.
Voor het browserpad is geen account nodig. Dezelfde endpoints via HTTP: Developers. Stuur een Idempotency-Key mee bij nieuwe pogingen als uw client twee keer kan POSTen (Idempotency-Key).