ส่งออกตารางว่าง (204): PDF ของคุณน่าจะไม่มีคอลัมน์
PDF to Excel และ PDF to CSV คืน HTTP 204 เมื่อไม่พบบล็อกตาราง ตั้งใจให้เป็นอย่างนั้น ไม่ใช่การล้มเหลว ควร OCR สแกนก่อน ส่วน PDF ที่มีแต่ร้อยแก้วจะยังว่างอยู่

ถ้า PDF to Excel หรือ PDF to CSV จบด้วย HTTP 204 No Content โดยไม่มีบอดี้ให้ดาวน์โหลด แปลว่าตัวสกัดพบบล็อกตารางศูนย์บล็อก สถานะนี้ตั้งใจให้เป็นอย่างนั้น: API ปฏิเสธที่จะสร้างสเปรดชีตว่างขึ้นมาเอง เมื่อฮิวริสติกเรื่องเลย์เอาต์ไม่เห็นคอลัมน์
ตัวสกัดมองหาอะไร
เครื่องมือทั้งสองใช้ไปป์ไลน์เดียวกัน เซิร์ฟเวอร์รัน pdftotext -layout แยกหน้าตามขอบ form-feed แล้วจัดกลุ่มบรรทัดที่ดูเหมือนบล็อกแบบคอลัมน์ บรรทัดจะนับเป็นตารางเมื่อมีช่องว่างติดกันอย่างน้อยสองตัว (ร่องคอลัมน์ในโหมด layout) และบล็อกจะถูกเก็บไว้เฉพาะเมื่อมีบรรทัดแบบนั้นอย่างน้อยสองบรรทัด บรรทัดที่มีช่องว่างเดี่ยวจะถูกทิ้ง เพื่อไม่ให้หัวเรื่องกลายเป็น “ตาราง” แถวเดียว
PDF to CSV (POST /api/v1/convert/pdf/csv) ส่งออก CSV หนึ่งไฟล์ต่อหนึ่งตารางที่พบ (ตั้งชื่อด้วยเลขหน้าและดัชนีตาราง) หรือเป็น ZIP เมื่อมีหลายตาราง ส่วน PDF to Excel (POST /api/v1/convert/pdf/xlsx) เขียนเวิร์กบุ๊กหนึ่งไฟล์โดยมีชีตต่อหนึ่งตารางที่พบ
เมื่อรายการนั้นว่าง ทั้งคู่คืน Output::no_content() ซึ่งแมปเป็น 204 การได้ 200 พร้อมไฟล์ .xlsx เปล่า ๆ อ่านผิดเป็นความสำเร็จได้ง่าย ส่วน 204 หมายถึง “ไม่มีอะไรให้ส่งออก”
เหตุผลทั่วไปที่ได้ 204
- PDF ที่มีแต่ร้อยแก้ว: ข้อความเชิงเล่าเรื่องไม่มีการจัดคอลัมน์ชัดเจน ให้ใช้ PDF to Text หรือ PDF to Markdown แทน
- หน้าสแกนที่ไม่มีเลเยอร์ข้อความ: เอาต์พุตของ
pdftotextว่างเปล่า ตารางจึงไม่ปรากฏ ให้รัน OCR ก่อน (ได้ข้อความ Markdown บนไซต์นี้) แล้วลองใหม่เฉพาะเมื่อตัวคำสร้างคอลัมน์จริง - ตารางที่วาดเป็นเส้นหรือภาพเท่านั้น: ตารางที่เป็นภาพและไม่มีข้อความในเซลล์ให้สกัดจะไม่กลายเป็นชีต
- เลย์เอาต์นิตยสารหลายคอลัมน์ที่ยุ่งเหยิง: ฮิวริสติกอาจพลาดบล็อกที่มนุษย์เรียกว่า “ตาราง” หรือรวมลำดับการอ่านผิด
- “ตาราง” แถวเดียว: บรรทัดที่มีช่องว่างบรรทัดเดียวไม่เคยกลายเป็นบล็อก ต้องมีบรรทัดแบบตารางอย่างน้อยสองบรรทัด
ไฟล์ที่เข้ารหัสต้อง Unlock อย่างได้รับอนุญาตก่อนสกัด ส่วนไฟล์เสียให้ซ่อมด้วย Repair ถ้า Get Info หรือการส่งออกเปิดไฟล์ไม่ได้
204 ไม่ใช่อะไร
204 ไม่ใช่ความล้มเหลวของการขนส่ง ไม่ใช่การหมดเวลา และไม่ใช่ “เซิร์ฟเวอร์ลืมไฟล์แนบ” ให้ถือเป็นการตัดสินใจที่สำเร็จแล้วว่าไม่มีบล็อกตาราง การลองไฟล์เดิมซ้ำโดยไม่เปลี่ยนเลเยอร์ข้อความหรือเลย์เอาต์จะได้ 204 อีกครั้ง สคริปต์ควรแยกสาขาตามรหัสสถานะ ไม่ใช่ตามชื่อไฟล์ที่ว่างเปล่า
OCR Markdown จาก OCR เป็นการดึงข้อความสำหรับเอเจนต์ ไม่ใช่สเปรดชีต ถ้าคุณวางเอาต์พุต OCR ลงไฟล์ .md แล้วภายหลังต้องการคอลัมน์ คุณยังต้องมีเลย์เอาต์ที่ pdftotext -layout (หรือมนุษย์) มองเห็นเป็นร่อง การส่งออก PDF สแกนเดิมที่ไม่มีเลเยอร์ข้อความจะยังได้ 204 อยู่ดี
ทำอะไรต่อ
- เปิด PDF แล้วยืนยันว่าคุณเลือกข้อความในเซลล์ได้ ถ้าไม่ได้ ให้ OCR ก่อน แล้วจึงตัดสินใจว่าข้อความที่กู้มามีความเป็นคอลัมน์พอสำหรับฮิวริสติกนี้หรือไม่
- เลือก PDF to Excel เมื่อคาดว่าจะมีหลายตาราง (ชีตละตาราง) และเลือก PDF to CSV สำหรับไฟล์แบนไฟล์เดียวหรือ ZIP ของ CSV
- ถ้าหน้านั้นเป็นร้อยแก้ว ให้เปลี่ยนเครื่องมือ เพราะการส่งออกตารางจะยังคืน 204 ต่อไป
- สำหรับการจัดการสถานะของเอเจนต์หรือไปป์ไลน์ ให้แมป 204 → “ไม่พบตาราง” ไม่ใช่ลูปการลองใหม่แบบทั่วไป
- ถ้าต้องการแค่ตัวคำ ให้หยุดที่ PDF to Text หรือ PDF to Markdown การฝืนทำรูปสเปรดชีตบนร้อยแก้วจะยังได้ 204
เส้นทางบนเบราว์เซอร์ไม่ต้องมีบัญชี เอนด์พอยต์เดียวกันผ่าน HTTP: Developers และควรส่ง Idempotency-Key ตอนลองใหม่หากไคลเอนต์อาจ POST สองครั้ง (Idempotency-Key)