Εξαγωγή πινάκων από PDF σε CSV
Το PDF σε CSV βρίσκει ευθυγραμμισμένες γραμμές πίνακα στο κείμενο ενός PDF και γράφει κάθε εντοπισμένο πίνακα ως αρχείο CSV· πολλοί πίνακες επιστρέφονται σε ZIP. Χρειάζεται επίπεδο κειμένου και δεν δίνει τίποτα για συνεχές κείμενο ή σαρώσεις.
Σύρετε και αφήστε αρχεία εδώ ή κάντε κλικ για επιλογή
Δέχεται PDF · έως 500.0 MB ανά αρχείο · έως 20 αρχεία τη φορά
Μπορείτε επίσης να επικολλήσετε ένα αρχείο με Ctrl/Cmd+V ή από το μενού του προχείρου.
Το PDF σε CSV εκτελεί `pdftotext -layout`, ψάχνει γραμμές με δύο ή περισσότερα συνεχόμενα κενά και γράφει αυτές τις γραμμές ως CSV. Κάθε πίνακας που εντοπίζεται γίνεται ξεχωριστό αρχείο με όνομα `{base}_pN_tM.csv`. Κατάλληλο για ηλεκτρονικά PDF όπου οι στήλες είναι ήδη στοιχισμένες στο εξαγόμενο κείμενο.
Ένας πίνακας χρειάζεται τουλάχιστον δύο συνεχόμενες γραμμές που μοιάζουν με πίνακα. Πεζός λόγος, μία μόνη γραμμή επικεφαλίδας ή σάρωση χωρίς επίπεδο κειμένου δίνουν `no_content`: HTTP 204 και κανένα αρχείο. Το κενό αποτέλεσμα είναι σκόπιμο, όχι σιωπηλή αποτυχία.
Ένας πίνακας γίνεται μία λήψη `text/csv`. Πολλοί πίνακες συσκευάζονται σε ένα ZIP με όνομα `{base}_extracted.zip`. Το πεδίο `pageNumbers` αυτής της σελίδας αγνοείται· σαρώνεται κάθε σελίδα.
Αυτό δεν είναι OCR. Μια σάρωση μόνο εικόνας δεν έχει τίποτα για να διαβάσει το `pdftotext`. Το OCR αυτού του ιστότοπου επιστρέφει Markdown, που δεν μπορεί να ξανασταλεί εδώ. Οι στήλες κόβονται σε σειρές από δύο ή περισσότερα κενά· ένα μεμονωμένο κενό μέσα σε κελί μένει στο κελί. Οι τιμές μπαίνουν σε εισαγωγικά κατά RFC 4180.
Το PDF σε Excel χρησιμοποιεί την ίδια ευρετική διάταξης. Το Excel κρατά αυτούς τους πίνακες ως φύλλα ενός βιβλίου εργασίας. Το CSV γράφει ένα αρχείο ανά πίνακα. Κανένα από τα δύο δεν ανασυνθέτει από το PDF συγχωνευμένα κελιά, χρωματιστές επικεφαλίδες ή κρυφά φύλλα.
Ανοίξτε τη λήψη σε ένα υπολογιστικό φύλλο και ελέγξτε τον διαχωρισμό στηλών σε μερικές γραμμές. Σφιχτοί πίνακες χωρίς κενό δύο διαστημάτων πέφτουν συχνά σε μία στήλη. Τα αρχεία με κωδικό πρόσβασης ξεκλειδώνονται για εσάς σε αυτή τη σελίδα μόλις εισαγάγετε τον κωδικό· όσοι καλούν το API εκτελούν πρώτα «Αφαίρεση κωδικού».
Η ευρετική των δύο κενών είναι η βασική λεπτομέρεια. Ο μετατροπέας δεν μοντελοποιεί τα όρια των κελιών όπως τα βλέπει ένας άνθρωπος: θεωρεί κάθε σειρά δύο ή περισσότερων κενών στο κείμενο με διατηρημένη διάταξη ως αλλαγή στήλης. Αυτό δουλεύει καλά για πίνακες από γεννήτριες αναφορών που στοιχίζουν τα κελιά σε σταθερό πλάτος, και αποτυγχάνει για πίνακες με ένα μόνο κενό ανάμεσα στις στήλες ή με αναλογικές γραμματοσειρές που τις χωρίζουν με ένα κενό.
Οι αριθμοί, οι ημερομηνίες και τα αναγνωριστικά γράφονται ως κείμενο, όχι ως τυποποιημένες τιμές υπολογιστικού φύλλου. Μια στήλη ψηφίων καταλήγει στο CSV ως συμβολοσειρές που απλώς περιέχουν ψηφία, οπότε τα μηδενικά στην αρχή διατηρούνται και η ημερομηνία κρατά τη μορφή που είχε στο PDF. Αν χρειάζεστε πράξεις ή ταξινόμηση κατά ημερομηνία, μετατρέψτε τους τύπους στο φύλλο μετά την εισαγωγή.
Οι πολύ πλατείς ή πολύ ψηλοί πίνακες μπορεί να σπάσουν μεταξύ σελίδων του PDF, και κάθε σελίδα σαρώνεται ανεξάρτητα. Ένας πίνακας που συνεχίζει στη σελίδα 2 γίνεται δεύτερο αρχείο `{base}_pN_tM.csv`. Παίρνετε όλα τα τμήματα, αλλά πρέπει να τα συνενώσετε μόνοι σας· το εργαλείο δεν ράβει έναν πίνακα μέσα από αλλαγή σελίδας.
Ο διαχωριστής είναι σταθερά το κόμμα και τα εισαγωγικά ακολουθούν το RFC 4180, οπότε ένα κελί που περιέχει κόμμα μπαίνει σε εισαγωγικά. Δεν υπάρχει επιλογή για ερωτηματικά ή στηλοθέτες. Αν οι τοπικές ρυθμίσεις του φύλλου σας περιμένουν ερωτηματικά, εισαγάγετε επιλέγοντας ρητά το κόμμα ως διαχωριστή αντί να κάνετε διπλό κλικ στο αρχείο.
Όταν το CSV είναι κενό, το λογικό πρώτο βήμα είναι να ελέγξετε αν το κείμενο του PDF είναι πραγματικά επιλέξιμο. Ανοίξτε το αρχείο και δοκιμάστε να επισημάνετε μια γραμμή. Αν δεν επισημαίνεται τίποτα, το αρχείο είναι σάρωση και CSV δεν θα βγει ποτέ· το OCR σε Markdown είναι το εργαλείο που τουλάχιστον σας δίνει τις λέξεις, έστω όχι σε στήλες.
Λειτουργίες
- `pdftotext -layout` με ευρετική στηλών στα δύο κενά
- Ένα CSV ανά πίνακα ή ZIP όταν οι πίνακες είναι πολλοί
- Κενός εντοπισμός επιστρέφει HTTP 204· δεν είναι OCR
- Οι τιμές είναι κείμενο κατά RFC 4180· χωρίς εξαγωγή τύπων ή επιλογή διαχωριστή
- Ανώνυμο API στο /api/v1/convert/pdf/csv
Πότε το χρησιμοποιείτε
- Μεταφορά πίνακα ηλεκτρονικού τιμολογίου σε υπολογιστικό φύλλο
- Διατήρηση πινάκων από πολλές σελίδες ως ξεχωριστά αρχεία CSV
- Τροφοδοσία σεναρίου που περιμένει CSV με στοιχισμένους πίνακες PDF
- Εξαγωγή τιμοκαταλόγου από οικονομική αναφορά σταθερού πλάτους
Πώς εξάγω έναν πίνακα από PDF σε CSV;
- Ανεβάστε ένα PDF του οποίου το κείμενο είναι ήδη επιλέξιμο και οι στήλες έχουν μορφή πίνακα.
- Πατήστε «Επεξεργασία». Το πεδίο εύρους σελίδων δεν διαβάζεται από τον μετατροπέα.
- Αν βρεθεί ένας πίνακας, κατεβάστε το `.csv`. Αν είναι πολλοί, το ZIP. Αν δεν υπάρχει κανένας, παίρνετε κενή επιτυχία.
- Ανοίξτε το CSV και ελέγξτε τον διαχωρισμό. PDF με μόνο πεζό λόγο δεν παράγει αρχείο.
Όρια και ειδικές περιπτώσεις
- Χρειάζεται επιλέξιμο κείμενο και κενό δύο διαστημάτων μεταξύ στηλών
- Χωρίς OCR και χωρίς λειτουργικό έλεγχο εύρους σελίδων
- Τα συγχωνευμένα κελιά και τα στυλ δεν ανασυνθέτονται
- Όλες οι τιμές είναι κείμενο χωρίς τύπο· χωρίς επιλογή διαχωριστή
- Οι πίνακες που περνούν σελίδες φτάνουν ως ξεχωριστά τμήματα
- Όριο ανεβάσματος σε αυτόν τον ιστότοπο: 500 MB ανά αρχείο, με αποστολή σε τμήματα πάνω από περίπου 95 MB. Το σώμα ενός μεμονωμένου άμεσου αιτήματος API περιορίζεται στα 100 MB.
Παραδείγματα
- Ένα κειμενικό PDF με τρίστηλο τιμοκατάλογο γίνεται συχνά ένα CSV αυτών των στηλών
- Μια σαρωμένη τραπεζική κατάσταση χωρίς επίπεδο κειμένου επιστρέφει HTTP 204
- Μια πεντασέλιδη αναφορά με έναν πίνακα ανά σελίδα δίνει ZIP με πέντε αρχεία CSV
Απόρρητο για αυτό το εργαλείο
Τα αρχεία ανεβαίνουν μέσω HTTPS, επεξεργάζονται στη μνήμη ή σε βραχύβιο προσωρινό κατάλογο στους διακομιστές μας και διαγράφονται όταν το αποτέλεσμα είναι έτοιμο. Δεν κρατάμε αντίγραφα για μετέπειτα περιήγηση, εκπαίδευση μοντέλων ή διαφημιστικά προφίλ. Οι λεπτομέρειες διατήρησης και οι γνωστοποιήσεις για cookie του AdSense βρίσκονται στην Πολιτική απορρήτου.
Συχνές ερωτήσεις
- Γιατί δεν πήρα CSV;
- Δεν βρέθηκε μπλοκ δύο ή περισσότερων συνεχόμενων γραμμών πίνακα. Σαρώσεις, πεζός λόγος και πίνακες χωρίς κενό δύο διαστημάτων αποτυγχάνουν σε αυτή την ευρετική. Το API απαντά 204 `no_content`.
- Μπορώ πρώτα OCR και μετά CSV;
- Όχι. Το OCR επιστρέφει Markdown. Αυτό το εργαλείο διαβάζει PDF μόνο μέσω pdftotext.
- Σε τι διαφέρει από το PDF σε Excel;
- Η ανίχνευση είναι ίδια. Το CSV γράφει ένα αρχείο ανά πίνακα (ένα μόνο CSV ή ZIP όταν είναι πολλοί). Το Excel βάζει κάθε πίνακα σε δικό του φύλλο ενός βιβλίου.
- Κάνει κάτι η λίστα σελίδων σε αυτή τη φόρμα;
- Όχι. Το pdftotext χωρίζει σελίδες στις αλλαγές σελίδας και καθεμία σαρώνεται. Δεν υπάρχει παράμετρος εύρους σελίδων.
- Γιατί όλες οι στήλες κατέληξαν σε ένα κελί;
- Το PDF είχε μόνο ένα κενό ανάμεσα στις στήλες, οπότε ο κανόνας των δύο κενών δεν ενεργοποιήθηκε. Δοκιμάστε να εξαγάγετε ξανά την πηγή με στήλες σταθερού πλάτους ή περάστε από OCR σε Markdown και χωρίστε το κείμενο χειροκίνητα.
- Οι αριθμοί εισάγονται ως αριθμοί;
- Όχι. Κάθε τιμή είναι απλό κείμενο. Τα μηδενικά στην αρχή διατηρούνται και οι ημερομηνίες κρατούν τη μορφή του PDF. Αν χρειάζεται να ταξινομήσετε ή να υπολογίσετε, μετατρέψτε τους τύπους στο φύλλο μετά την εισαγωγή.
- Τι γίνεται με πίνακα που απλώνεται σε δύο σελίδες;
- Κάθε σελίδα σαρώνεται χωριστά, οπότε ένας μακρύς πίνακας δίνει πολλά τμήματα CSV. Συνενώστε τα μόνοι σας· το εργαλείο δεν ενώνει πίνακες μέσα από αλλαγή σελίδας.
Τελευταία ενημέρωση:
Κλήση από κώδικα
Κάθε εργαλείο στον ιστότοπο είναι ένα απλό REST API. Για ανώνυμη χρήση δεν χρειάζεται λογαριασμός ούτε κλειδί API. Ίδιο για πρόγραμμα περιήγησης, προγραμματιστές και πράκτορες AI.
curl -X POST "https://pdf123.xyz/api/v1/convert/pdf/csv" \
-F "[email protected]" \
-F "pageNumbers=all" \
-o output.pdfΔιατίθεται και ως εργαλείο MCP, για πελάτες που μιλούν Model Context Protocol (JSON-RPC 2.0 μέσω POST /mcp). Πλήρης αναφορά API
Χρήση από πράκτορα AI
SkillΜε αυτό το skill, τα Claude Code, Codex, Cursor και άλλοι πράκτορες AI μπορούν να εκτελέσουν το «PDF σε CSV» για εσάς: /skills/pdf123-pdf-to-csv.md
Τα αρχεία χρησιμοποιούνται μόνο για αυτή την εργασία και διαγράφονται αυτόματα μετά.