PDF की सारणी CSV फ़ाइल में निकालें
PDF से CSV टूल PDF के पाठ में संरेखित सारणी पंक्तियाँ खोजकर हर पहचानी सारणी को CSV फ़ाइल में लिखता है; कई सारणियाँ ZIP में आती हैं। इसे पाठ परत चाहिए और सादे गद्य या स्कैन पर कुछ नहीं लौटता।
फ़ाइलें यहाँ खींचकर छोड़ें, या क्लिक कर चुनें
PDF स्वीकार्य · हर फ़ाइल अधिकतम 500.0 MB · एक बार में अधिकतम 20 फ़ाइलें
आप Ctrl/Cmd+V से या क्लिपबोर्ड मेन्यू से फ़ाइल चिपका भी सकते हैं।
PDF से CSV `pdftotext -layout` चलाता है, लगातार दो या अधिक स्पेस वाली पंक्तियाँ ढूँढता है और उन पंक्तियों को CSV में लिखता है। हर पहचानी गई तालिका `{base}_pN_tM.csv` नाम की अपनी फ़ाइल बनती है। यह उन इलेक्ट्रॉनिक PDF के लिए है जिनके स्तंभ निकाले गए पाठ में पहले से संरेखित हों।
एक तालिका के लिए कम से कम लगातार दो तालिका जैसी पंक्तियाँ चाहिए। गद्य, अकेली हेडर पंक्ति, या बिना पाठ परत वाला स्कैन `no_content` देता है: HTTP 204 और कोई फ़ाइल नहीं। यह खाली नतीजा जानबूझकर है, चुपचाप विफलता नहीं।
एक तालिका एक `text/csv` डाउनलोड बनती है। कई तालिकाएँ `{base}_extracted.zip` नाम की एक ZIP में पैक होती हैं। इस पृष्ठ का `pageNumbers` फ़ील्ड नज़रअंदाज़ किया जाता है; हर पृष्ठ स्कैन होता है।
यह OCR नहीं है। केवल छवि वाले स्कैन में `pdftotext` के पढ़ने के लिए कुछ नहीं होता। इस साइट का OCR Markdown लौटाता है, जिसे यहाँ दोबारा नहीं भेजा जा सकता। स्तंभ लगातार दो या अधिक स्पेस पर कटते हैं; सेल के अंदर एक स्पेस सेल में रहता है। मान RFC 4180 के अनुसार उद्धृत होते हैं।
PDF से Excel वही लेआउट अनुमान इस्तेमाल करता है। Excel उन तालिकाओं को एक ही वर्कबुक की शीटों के रूप में रखता है। CSV प्रति तालिका एक फ़ाइल लिखता है। दोनों में से कोई PDF से मर्ज किए गए सेल, रंगीन हेडर या छिपी शीट दोबारा नहीं बनाता।
डाउनलोड को स्प्रेडशीट में खोलकर कुछ पंक्तियों पर स्तंभ कटाव जाँचें। बिना दो-स्पेस अंतराल वाली सघन तालिकाएँ अक्सर एक ही स्तंभ में गिर जाती हैं। पासवर्ड-सुरक्षित फ़ाइलें इस पृष्ठ पर पासवर्ड डालते ही आपके लिए खुल जाती हैं; API उपयोगकर्ता पहले पासवर्ड हटाएँ चलाते हैं।
दो-स्पेस अनुमान ही असली बात है। कनवर्टर सेल सीमाओं को इंसान की तरह नहीं समझता; लेआउट सुरक्षित पाठ में लगातार दो या अधिक स्पेस की हर शृंखला को वह स्तंभ-विभाजन मानता है। यह उन तालिकाओं के लिए अच्छा चलता है जिन्हें रिपोर्ट जनरेटर तय चौड़ाई तक सेल भरकर बनाते हैं, और उन तालिकाओं पर विफल होता है जिनमें स्तंभों के बीच केवल एक स्पेस हो या आनुपातिक फ़ॉन्ट उन्हें एक ही स्पेस की दूरी पर रखें।
संख्याएँ, तारीख़ें और पहचानकर्ता पाठ के रूप में लिखे जाते हैं, टाइप किए गए स्प्रेडशीट मानों के रूप में नहीं। अंकों का स्तंभ CSV में ऐसी स्ट्रिंग बनकर पहुँचता है जिनमें संयोग से अंक होते हैं, इसलिए शुरुआती शून्य बचे रहते हैं और तारीख PDF के इस्तेमाल किए फ़ॉर्मैट में रहती है। अगर जोड़-घटाव या तारीख़ से छँटाई चाहिए, तो आयात के बाद स्प्रेडशीट में टाइप बदलें।
बहुत चौड़ी या बहुत लंबी तालिकाएँ PDF पृष्ठों के बीच टूट सकती हैं, और हर पृष्ठ अलग-अलग स्कैन होता है। पृष्ठ 2 पर जारी रहने वाली तालिका दूसरी `{base}_pN_tM.csv` फ़ाइल बनती है। आपको हर टुकड़ा मिलता है, पर उन्हें जोड़ना आपको खुद करना होगा; यह उपकरण पृष्ठ-विराम के पार तालिका नहीं सिलता।
विभाजक हमेशा अल्पविराम है और उद्धरण RFC 4180 के अनुसार हैं, इसलिए अल्पविराम वाला सेल उद्धरण में लपेटा जाता है। अर्धविराम या टैब निकालने का कोई विकल्प नहीं है। यदि आपकी स्प्रेडशीट की लोकेल अर्धविराम की अपेक्षा करती है, तो फ़ाइल पर डबल-क्लिक करने के बजाय अल्पविराम को स्पष्ट रूप से विभाजक चुनकर आयात करें।
जब CSV खाली हो, तो पहला समझदार क़दम यह देखना है कि PDF का पाठ वाक़ई चुना जा सकता है या नहीं। फ़ाइल खोलकर एक पंक्ति को हाइलाइट करने की कोशिश करें। अगर कुछ हाइलाइट न हो, तो फ़ाइल स्कैन है और CSV कभी नहीं बनेगी; OCR से Markdown वह उपकरण है जो कम से कम शब्द देगा, भले स्तंभों में नहीं।
सुविधाएँ
- `pdftotext -layout` और दो-स्पेस स्तंभ अनुमान
- प्रति तालिका एक CSV, या कई तालिकाएँ हों तो ZIP
- खाली पहचान पर HTTP 204; यह OCR नहीं है
- मान RFC 4180 पाठ हैं; टाइप अनुमान या विभाजक चुनाव नहीं
- अनाम API: /api/v1/convert/pdf/csv
यह उपकरण कब इस्तेमाल करें
- इलेक्ट्रॉनिक इनवॉइस तालिका को स्प्रेडशीट में लाना
- कई पृष्ठों की तालिकाओं को अलग CSV फ़ाइलों के रूप में रखना
- लेआउट-संरेखित PDF तालिकाएँ CSV चाहने वाली स्क्रिप्ट को देना
- तय चौड़ाई वाली वित्तीय रिपोर्ट से मूल्य सूची निकालना
PDF की सारणी CSV में कैसे निकालें?
- ऐसी PDF अपलोड करें जिसमें पहले से चुनने योग्य पाठ और तालिका जैसे स्तंभ हों।
- प्रसंस्करण पर क्लिक करें। पृष्ठ-सीमा फ़ील्ड कनवर्टर नहीं पढ़ता।
- एक तालिका मिली तो `.csv` डाउनलोड करें। कई मिलीं तो ZIP। कोई न मिली तो खाली सफलता मिलती है।
- CSV खोलकर कटाव जाँचें। केवल गद्य वाली PDF फ़ाइल नहीं बनाती।
सीमाएँ और अपवाद
- चुनने योग्य पाठ और स्तंभों के बीच दो-स्पेस अंतराल चाहिए
- OCR नहीं और पृष्ठ-सीमा का कोई काम करता नियंत्रण नहीं
- मर्ज किए सेल और स्टाइल दोबारा नहीं बनते
- सभी मान बिना टाइप के पाठ हैं; विभाजक चुनाव नहीं
- पृष्ठों में फैली तालिकाएँ अलग टुकड़ों के रूप में आती हैं
- इस वेबसाइट पर अपलोड सीमा: प्रति फ़ाइल 500 MB, लगभग 95 MB से ऊपर की फ़ाइलें टुकड़ों में भेजी जाती हैं। सीधे एक API अनुरोध का बॉडी अधिकतम 100 MB का हो सकता है।
उदाहरण
- तीन-स्तंभ मूल्य सूची वाली पाठ PDF अक्सर उन स्तंभों की एक ही CSV बनती है
- बिना पाठ परत वाला स्कैन बैंक स्टेटमेंट HTTP 204 देता है
- हर पृष्ठ पर एक तालिका वाली पाँच-पृष्ठ की रिपोर्ट पाँच CSV फ़ाइलों की ZIP बनाती है
इस उपकरण की गोपनीयता
फ़ाइलें HTTPS पर अपलोड होती हैं, सर्वर की मेमोरी या अल्पकालिक अस्थायी निर्देशिका में संसाधित होती हैं, और परिणाम तैयार होते ही हटा दी जाती हैं। हम बाद में देखने, मॉडल प्रशिक्षण या विज्ञापन प्रोफ़ाइल के लिए प्रतियाँ नहीं रखते। प्रतिधारण अवधि और AdSense कुकी विवरण गोपनीयता नीति में हैं।
अक्सर पूछे सवाल
- मुझे CSV क्यों नहीं मिली?
- लगातार दो या अधिक तालिका पंक्तियों का कोई ब्लॉक नहीं मिला। स्कैन, गद्य और बिना दो-स्पेस अंतराल वाली तालिकाएँ इस अनुमान पर विफल होती हैं। API 204 `no_content` लौटाता है।
- क्या मैं पहले OCR करके फिर CSV बना सकता हूँ?
- नहीं। OCR Markdown लौटाता है। यह उपकरण PDF को केवल pdftotext से पढ़ता है।
- PDF से Excel से यह कैसे अलग है?
- पहचान एक जैसी है। CSV प्रति तालिका एक फ़ाइल लिखता है (एक CSV, या कई हों तो ZIP)। Excel हर तालिका को एक ही वर्कबुक की अपनी शीट में रखता है।
- इस फ़ॉर्म की पृष्ठ सूची कुछ करती है?
- नहीं। pdftotext पृष्ठों को पृष्ठ-विराम पर बाँटता है और हर पृष्ठ स्कैन होता है। पृष्ठ-सीमा का कोई पैरामीटर नहीं है।
- सभी स्तंभ एक ही सेल में क्यों आ गए?
- PDF ने स्तंभों के बीच केवल एक स्पेस रखा था, इसलिए दो-स्पेस नियम कभी चला ही नहीं। स्रोत को तय चौड़ाई के स्तंभों के साथ फिर से निर्यात करें, या OCR से Markdown बनाकर पाठ को हाथ से बाँटें।
- क्या संख्याएँ संख्या के रूप में आयात होती हैं?
- नहीं। हर मान सादा पाठ है। शुरुआती शून्य बचे रहते हैं और तारीख़ें PDF का फ़ॉर्मैट रखती हैं। छँटाई या गणना चाहिए तो आयात के बाद स्प्रेडशीट में टाइप बदलें।
- दो पृष्ठों में फैली तालिका का क्या होता है?
- हर पृष्ठ अलग-अलग स्कैन होता है, इसलिए लंबी तालिका कई CSV टुकड़े बनाती है। उन्हें आप खुद जोड़ें; यह उपकरण पृष्ठ-विराम के पार तालिकाएँ नहीं मिलाता।
आख़िरी अपडेट:
कोड से कॉल करें
यहाँ हर उपकरण एक सादा REST एंडपॉइंट है। गुमनाम इस्तेमाल के लिए खाता या API कुंजी नहीं चाहिए। ब्राउज़र, डेवलपर और AI एजेंट, तीनों के लिए।
curl -X POST "https://pdf123.xyz/api/v1/convert/pdf/csv" \
-F "[email protected]" \
-F "pageNumbers=all" \
-o output.pdfModel Context Protocol बोलने वाले एजेंट क्लाइंट के लिए MCP उपकरण भी है (JSON-RPC 2.0, POST /mcp)। पूरा API संदर्भ
AI एजेंट से इस्तेमाल करें
स्किलइस स्किल से Claude Code, Codex, Cursor और दूसरे AI एजेंट आपके लिए “PDF से CSV” चला सकते हैं: /skills/pdf123-pdf-to-csv.md
फ़ाइलें केवल इस काम के लिए इस्तेमाल होती हैं, फिर अपने आप मिट जाती हैं।