Tabellen aus einer PDF nach CSV extrahieren
PDF in CSV findet ausgerichtete Tabellenzeilen im Text einer PDF und schreibt jede erkannte Tabelle als CSV-Datei; mehrere Tabellen kommen als ZIP. Es braucht eine Textebene und liefert für Fließtext oder Scans nichts.
Dateien hierher ziehen oder klicken, um auszuwählen
Akzeptiert PDF · bis zu 500.0 MB pro Datei · bis zu 20 Dateien auf einmal
Sie können eine Datei auch mit Strg/Cmd+V oder über das Zwischenablage-Menü einfügen.
PDF in CSV führt `pdftotext -layout` aus, sucht Zeilen mit zwei oder mehr aufeinanderfolgenden Leerzeichen und schreibt diese Zeilen als CSV. Jede erkannte Tabelle wird eine eigene Datei namens `{base}_pN_tM.csv`. Geeignet für digitale PDFs, deren Spalten im extrahierten Text bereits ausgerichtet sind.
Eine Tabelle braucht mindestens zwei aufeinanderfolgende tabellenartige Zeilen. Fließtext, eine einzelne Kopfzeile oder ein Scan ohne Textebene ergeben `no_content`: HTTP 204 und keine Datei. Dieses leere Ergebnis ist Absicht, kein stilles Scheitern.
Eine Tabelle wird ein `text/csv`-Download. Mehrere Tabellen werden zu einem ZIP namens `{base}_extracted.zip`. Das Feld `pageNumbers` auf dieser Seite wird ignoriert; jede Seite wird durchsucht.
Das ist kein OCR. Reine Bildscans haben nichts, was `pdftotext` lesen könnte. Das OCR dieser Seite liefert Markdown, das sich nicht erneut an PDF in CSV übergeben lässt. Spalten werden an Folgen von zwei oder mehr Leerzeichen getrennt; ein einzelnes Leerzeichen innerhalb einer Zelle bleibt in der Zelle. Werte werden nach RFC 4180 in Anführungszeichen gesetzt.
PDF in Excel nutzt dieselbe Layout-Heuristik. Excel behält diese Tabellen als Arbeitsblätter in einer Arbeitsmappe. CSV schreibt eine Datei pro Tabelle. Keines von beiden stellt verbundene Zellen, farbige Kopfzeilen oder ausgeblendete Blätter aus der PDF wieder her.
Öffnen Sie den Download in einer Tabellenkalkulation und prüfen Sie die Spaltentrennung an einigen Zeilen. Enge Tabellen ohne Zwei-Leerzeichen-Lücke landen oft in einer einzigen Spalte. Passwortgeschützte Dateien werden auf dieser Seite für Sie entsperrt, sobald Sie das Passwort eingeben; API-Aufrufer führen zuerst „Passwort entfernen“ aus.
Die Zwei-Leerzeichen-Heuristik ist das entscheidende Detail. Der Konverter modelliert Zellgrenzen nicht so, wie ein Mensch sie sieht: Jede Folge von zwei oder mehr Leerzeichen im layoutgetreuen Text gilt ihm als Spaltenumbruch. Das funktioniert gut bei Tabellen von Reportgeneratoren, die Zellen auf eine feste Breite auffüllen, und scheitert bei Tabellen mit nur einem Leerzeichen zwischen den Spalten oder mit Proportionalschriften, die Spalten nur ein Leerzeichen auseinander setzen.
Zahlen, Datumsangaben und Kennungen werden als Text geschrieben, nicht als typisierte Tabellenwerte. Eine Zahlenspalte landet in der CSV als Zeichenketten, die zufällig Ziffern enthalten; führende Nullen bleiben also erhalten und ein Datum behält das Format der PDF. Wandeln Sie die Typen nach dem Import in der Tabellenkalkulation um, wenn Sie rechnen oder nach Datum sortieren möchten.
Sehr breite oder sehr hohe Tabellen können über PDF-Seiten umbrechen, und jede Seite wird einzeln durchsucht. Eine Tabelle, die auf Seite 2 weitergeht, wird eine zweite Datei `{base}_pN_tM.csv`. Sie erhalten jedes Fragment, müssen sie aber selbst aneinanderhängen; das Werkzeug verbindet eine Tabelle nicht über einen Seitenumbruch hinweg.
Das Trennzeichen ist fest das Komma, und die Quotierung folgt RFC 4180, eine Zelle mit Komma wird also in Anführungszeichen gesetzt. Es gibt keine Option für Semikolons oder Tabulatoren. Wenn Ihre Tabellenkalkulations-Locale Semikolons erwartet, importieren Sie mit ausdrücklich gewähltem Komma als Trennzeichen, statt die Datei doppelt anzuklicken.
Ein sinnvoller erster Schritt bei leerer CSV ist die Prüfung, ob der PDF-Text wirklich markierbar ist. Öffnen Sie die Datei und versuchen Sie, eine Zeile hervorzuheben. Lässt sich nichts markieren, ist die Datei ein Scan und es wird nie eine CSV geben; OCR nach Markdown liefert Ihnen wenigstens die Wörter, wenn auch nicht in Spalten.
Funktionen
- `pdftotext -layout` plus Zwei-Leerzeichen-Spaltenheuristik
- Eine CSV pro Tabelle oder ein ZIP bei mehreren Tabellen
- Leere Erkennung liefert HTTP 204; kein OCR
- Werte sind RFC-4180-Text; keine Typerkennung und keine Trennzeichenwahl
- Anonyme API unter /api/v1/convert/pdf/csv
Wann Sie dieses Werkzeug nutzen
- Eine digitale Rechnungstabelle in eine Tabellenkalkulation holen
- Tabellen mehrerer Seiten als getrennte CSV-Dateien behalten
- Layout-getreue PDF-Tabellen einem Skript zuführen, das CSV erwartet
- Eine Preisliste aus einem Finanzbericht mit fester Spaltenbreite ziehen
Wie extrahiere ich eine Tabelle aus einer PDF nach CSV?
- Laden Sie eine PDF hoch, deren Text bereits markierbar und in tabellenartigen Spalten gesetzt ist.
- Klicken Sie auf Verarbeiten. Das Seitenbereichsfeld wird vom Konverter nicht gelesen.
- Wurde eine Tabelle gefunden, laden Sie die `.csv` herunter. Sind es mehrere, das ZIP. Bei keiner erhalten Sie einen leeren Erfolg.
- Öffnen Sie die CSV und prüfen Sie die Trennung. Reine Fließtext-PDFs erzeugen keine Datei.
Grenzen und Sonderfälle
- Braucht markierbaren Text und eine Zwei-Leerzeichen-Spaltenlücke
- Kein OCR und keine funktionierende Seitenbereichssteuerung
- Verbundene Zellen und Formatierung werden nicht rekonstruiert
- Alle Werte sind untypisierter Text; keine Trennzeichenwahl
- Tabellen über mehrere Seiten kommen als getrennte Fragmente an
- Upload-Limit auf dieser Website: 500 MB pro Datei, ab etwa 95 MB in Teilstücken gesendet. Eine einzelne direkte API-Anfrage ist auf 100 MB begrenzt.
Beispiele
- Eine Text-PDF mit einer dreispaltigen Preisliste wird oft eine einzelne CSV dieser Spalten
- Ein gescannter Kontoauszug ohne Textebene liefert HTTP 204
- Ein fünfseitiger Bericht mit einer Tabelle pro Seite ergibt ein ZIP mit fünf CSV-Dateien
Datenschutz für dieses Werkzeug
Dateien werden über HTTPS hochgeladen, im Speicher oder in einem kurzlebigen temporären Verzeichnis auf unseren Servern verarbeitet und gelöscht, sobald Ihr Ergebnis bereitsteht. Wir behalten keine Kopien für späteres Durchsuchen, Training oder Werbeprofile. Einzelheiten zur Speicherdauer und zu AdSense-Cookies stehen in der Datenschutzerklärung.
Häufige Fragen
- Warum habe ich keine CSV bekommen?
- Es wurde kein Block aus zwei oder mehr aufeinanderfolgenden Tabellenzeilen gefunden. Scans, Fließtext und Tabellen ohne Zwei-Leerzeichen-Lücke scheitern an dieser Heuristik. Die API antwortet 204 `no_content`.
- Kann ich zuerst OCR machen und dann in CSV umwandeln?
- Nein. OCR liefert Markdown. Dieses Werkzeug liest PDF nur über pdftotext.
- Worin unterscheidet es sich von PDF in Excel?
- Dieselbe Erkennung. CSV schreibt eine Datei pro Tabelle (eine einzelne CSV oder ein ZIP bei mehreren). Excel legt jede Tabelle auf ein eigenes Blatt einer Arbeitsmappe.
- Bewirkt die Seitenliste in diesem Formular etwas?
- Nein. pdftotext trennt Seiten an Form-Feeds und jede Seite wird durchsucht. Es gibt keinen Parameter für den Seitenbereich.
- Warum sind alle Spalten in einer einzigen Zelle gelandet?
- Die PDF setzte nur einzelne Leerzeichen zwischen die Spalten, sodass die Zwei-Leerzeichen-Regel nie griff. Exportieren Sie die Quelle mit festen Spaltenbreiten neu oder gehen Sie über OCR nach Markdown und teilen Sie den Text von Hand.
- Werden Zahlen als Zahlen importiert?
- Nein. Jeder Wert ist reiner Text. Führende Nullen bleiben erhalten und Datumsangaben behalten das Format der PDF. Wandeln Sie die Typen nach dem Import in der Tabellenkalkulation um, wenn Sie sortieren oder rechnen müssen.
- Was geschieht mit einer Tabelle über zwei Seiten?
- Jede Seite wird für sich durchsucht, eine lange Tabelle ergibt also mehrere CSV-Fragmente. Fügen Sie sie selbst zusammen; das Werkzeug führt Tabellen nicht über einen Seitenumbruch zusammen.
Zuletzt aktualisiert:
Per Code aufrufen
Jedes Werkzeug auf dieser Seite ist ein gewöhnlicher REST-Endpunkt. Für anonyme Nutzung brauchen Sie weder Konto noch API-Schlüssel. Für Browser, Entwickler und KI-Agenten gleichermaßen.
curl -X POST "https://pdf123.xyz/api/v1/convert/pdf/csv" \
-F "[email protected]" \
-F "pageNumbers=all" \
-o output.pdfAuch als MCP-Werkzeug für Clients, die Model Context Protocol sprechen (JSON-RPC 2.0 über POST /mcp). Vollständige API-Referenz
Mit einem KI-Agenten nutzen
SkillMit diesem Skill können Claude Code, Codex, Cursor und andere KI-Agenten „PDF in CSV“ für Sie ausführen: /skills/pdf123-pdf-to-csv.md
Dateien dienen nur diesem Auftrag und werden danach automatisch gelöscht.