Ekstrak Tabel dari PDF ke CSV
PDF ke CSV menemukan baris tabel yang sejajar pada teks PDF dan menulis tiap tabel yang terdeteksi sebagai berkas CSV; beberapa tabel dikirim dalam ZIP. Alat ini butuh lapisan teks dan tidak menghasilkan apa pun untuk prosa atau pindaian.
Seret file ke sini, atau klik untuk memilih
Menerima PDF · maksimal 500.0 MB per file · hingga 20 file sekaligus
Anda juga dapat menempelkan file dengan Ctrl/Cmd+V atau dari menu papan klip.
PDF ke CSV menjalankan `pdftotext -layout`, mencari baris dengan dua spasi beruntun atau lebih, lalu menulis baris itu sebagai CSV. Setiap tabel yang terdeteksi menjadi berkas tersendiri bernama `{base}_pN_tM.csv`. Cocok untuk PDF digital yang kolomnya sudah sejajar di teks yang diekstrak.
Satu tabel butuh setidaknya dua baris tabular berurutan. Prosa, satu baris tajuk saja, atau pindaian tanpa lapisan teks menghasilkan `no_content`: HTTP 204 dan tanpa berkas. Hasil kosong itu disengaja, bukan kegagalan senyap.
Satu tabel menjadi satu unduhan `text/csv`. Beberapa tabel dikemas menjadi ZIP bernama `{base}_extracted.zip`. Kolom `pageNumbers` di halaman ini diabaikan; setiap halaman dipindai.
Ini bukan OCR. Pindaian hanya-gambar tidak punya apa pun untuk dibaca `pdftotext`. OCR di situs ini mengembalikan Markdown, yang tidak bisa dikirim kembali ke sini. Kolom dipotong pada rentetan dua spasi atau lebih; spasi tunggal di dalam sel tetap di sel. Nilai diberi tanda kutip menurut RFC 4180.
PDF ke Excel memakai heuristik tata letak yang sama. Excel menyimpan tabel itu sebagai lembar dalam satu buku kerja. CSV menulis satu berkas per tabel. Keduanya tidak membangun ulang sel gabungan, tajuk berwarna, atau lembar tersembunyi dari PDF.
Buka unduhan di lembar bentang dan periksa pemotongan kolom pada beberapa baris. Tabel rapat tanpa celah dua spasi sering jatuh ke satu kolom. Berkas yang dilindungi kata sandi dibuka untuk Anda di halaman ini begitu Anda memasukkan kata sandi; pemanggil API menjalankan Hapus kata sandi lebih dulu.
Heuristik dua spasi adalah hal kunci. Konverter tidak memodelkan batas sel seperti yang dilihat manusia: setiap rentetan dua spasi atau lebih pada teks yang tata letaknya dipertahankan dianggap sebagai pemisah kolom. Ini bekerja baik untuk tabel buatan pembuat laporan yang menyamakan lebar sel, dan gagal untuk tabel yang hanya dipisah satu spasi atau memakai huruf proporsional sehingga kolom hanya berjarak satu spasi.
Angka, tanggal, dan pengenal ditulis sebagai teks, bukan nilai lembar bentang bertipe. Kolom angka masuk ke CSV sebagai string yang kebetulan berisi digit, sehingga nol di depan bertahan dan tanggal tetap memakai format PDF. Konversi tipe di lembar bentang setelah impor jika Anda perlu berhitung atau mengurutkan tanggal.
Tabel yang sangat lebar atau sangat panjang bisa terpotong antarhalaman PDF, dan setiap halaman dipindai sendiri-sendiri. Tabel yang berlanjut ke halaman 2 menjadi berkas `{base}_pN_tM.csv` kedua. Anda menerima semua fragmen, tetapi harus menyambungnya sendiri; alat ini tidak menyatukan tabel melewati pemisah halaman.
Pemisahnya tetap koma dan kutipannya mengikuti RFC 4180, jadi sel yang berisi koma diapit tanda kutip. Tidak ada opsi untuk mengeluarkan titik koma atau tab. Jika lokalisasi lembar bentang Anda mengharapkan titik koma, impor dengan memilih koma sebagai pemisah secara eksplisit alih-alih mengeklik dua kali berkasnya.
Saat CSV kosong, langkah pertama yang masuk akal adalah memeriksa apakah teks PDF benar-benar bisa dipilih. Buka berkasnya dan coba sorot satu baris. Jika tidak ada yang tersorot, berkas itu pindaian dan CSV tidak akan pernah muncul; OCR ke Markdown adalah alat yang setidaknya memberi Anda kata-katanya, meski tidak dalam kolom.
Fitur
- `pdftotext -layout` plus heuristik kolom dua spasi
- Satu CSV per tabel, atau ZIP bila tabelnya beberapa
- Deteksi kosong mengembalikan HTTP 204; bukan OCR
- Nilai berupa teks RFC 4180; tanpa inferensi tipe atau pilihan pemisah
- API anonim di /api/v1/convert/pdf/csv
Kapan memakai alat ini
- Menarik tabel faktur digital ke lembar bentang
- Menyimpan tabel dari beberapa halaman sebagai berkas CSV terpisah
- Memberi masukan ke skrip yang mengharapkan CSV berupa tabel PDF yang sejajar tata letaknya
- Mengekstrak daftar harga dari laporan keuangan berlebar tetap
Bagaimana cara mengekstrak tabel dari PDF ke CSV?
- Unggah PDF yang teksnya sudah bisa dipilih dan kolomnya berbentuk tabel.
- Klik Proses. Kolom rentang halaman tidak dibaca oleh konverter.
- Jika ditemukan satu tabel, unduh `.csv`. Jika beberapa, unduh ZIP. Jika tidak ada, Anda mendapat sukses kosong.
- Buka CSV dan periksa pemotongan. PDF yang hanya berisi prosa tidak menghasilkan berkas.
Batasan dan kasus khusus
- Butuh teks yang bisa dipilih dan celah dua spasi antarkolom
- Tanpa OCR dan tanpa kontrol rentang halaman yang berfungsi
- Sel gabungan dan gaya tidak dibangun ulang
- Semua nilai teks tanpa tipe; tanpa pilihan pemisah
- Tabel yang membentang halaman datang sebagai fragmen terpisah
- Batas unggah di situs ini: 500 MB per berkas, dikirim bertahap (per potongan) di atas sekitar 95 MB. Satu permintaan API langsung dibatasi 100 MB.
Contoh
- PDF teks dengan daftar harga tiga kolom sering menjadi satu CSV berisi kolom itu
- Rekening bank hasil pindai tanpa lapisan teks mengembalikan HTTP 204
- Laporan lima halaman dengan satu tabel per halaman menghasilkan ZIP berisi lima berkas CSV
Privasi alat ini
File diunggah lewat HTTPS, diproses di memori atau direktori sementara singkat di server kami, lalu dihapus saat hasil siap. Kami tidak menyimpan salinan untuk ditelusuri nanti, pelatihan, atau profil iklan. Lihat Kebijakan Privasi untuk retensi dan pengungkapan cookie AdSense.
Pertanyaan umum
- Mengapa saya tidak mendapat CSV?
- Tidak ditemukan blok dua baris tabular berurutan atau lebih. Pindaian, prosa, dan tabel tanpa celah dua spasi menggagalkan heuristik ini. API menjawab 204 `no_content`.
- Bisakah saya OCR dulu lalu konversi ke CSV?
- Tidak. OCR mengembalikan Markdown. Alat ini hanya membaca PDF lewat pdftotext.
- Apa bedanya dengan PDF ke Excel?
- Deteksinya sama. CSV menulis satu berkas per tabel (satu CSV, atau ZIP bila beberapa). Excel menaruh setiap tabel pada lembarnya sendiri dalam satu buku kerja.
- Apakah daftar halaman di formulir ini berpengaruh?
- Tidak. pdftotext memisahkan halaman pada pemisah halaman dan setiap halaman dipindai. Tidak ada parameter rentang halaman.
- Mengapa semua kolom masuk ke satu sel?
- PDF hanya memberi satu spasi antarkolom, jadi aturan dua spasi tidak pernah aktif. Coba ekspor ulang sumber dengan kolom lebar tetap, atau pakai OCR ke Markdown lalu pisahkan teksnya secara manual.
- Apakah angka diimpor sebagai angka?
- Tidak. Semua nilai berupa teks biasa. Nol di depan bertahan, dan tanggal tetap memakai format PDF. Konversi tipe di lembar bentang setelah impor jika perlu mengurutkan atau menghitung.
- Apa yang terjadi pada tabel yang membentang dua halaman?
- Setiap halaman dipindai sendiri, jadi tabel panjang menghasilkan beberapa fragmen CSV. Sambungkan sendiri; alat ini tidak menggabungkan tabel melewati pemisah halaman.
Terakhir diperbarui:
Panggil dari kode
Setiap alat di situs ini adalah antarmuka REST biasa. Pemakaian anonim tidak butuh akun atau kunci API. Bisa dipakai dari browser, oleh pengembang, maupun agen AI.
curl -X POST "https://pdf123.xyz/api/v1/convert/pdf/csv" \
-F "[email protected]" \
-F "pageNumbers=all" \
-o output.pdfJuga tersedia sebagai alat MCP untuk klien agen yang memakai Model Context Protocol (JSON-RPC 2.0 lewat POST /mcp). Referensi API lengkap
Gunakan dari agen AI
SkillDengan skill ini, Claude Code, Codex, Cursor, dan agen AI lainnya bisa menjalankan "PDF ke CSV" untuk Anda: /skills/pdf123-pdf-to-csv.md
File hanya dipakai untuk pemrosesan ini, lalu dihapus otomatis.