Ubah Tabel PDF Menjadi Excel

PDF ke Excel menjalankan `pdftotext -layout`, mencari baris dengan dua spasi beruntun atau lebih, lalu menulis baris itu ke buku kerja `.xlsx`. Setiap tabel yang terdeteksi menjadi lembar bernama `Page N` atau `Page N Table M`. 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 memberi `no_content`: tanpa buku kerja. Hasil kosong disengaja, bukan kegagalan diam-diam.

Alat ini mengabaikan parameter permintaan. Halaman ini tidak punya bidang rentang halaman. Kolom dipotong pada dua spasi beruntun atau lebih; spasi tunggal di dalam sel tetap di sel.

Ini bukan OCR. Pindaian hanya-gambar tidak punya konten untuk `pdftotext`. OCR situs ini mengembalikan Markdown, yang tidak bisa dikirim lagi ke PDF ke Excel. Jika kata hanya ada di piksel, di sini tidak ada spreadsheet.

PDF ke CSV memakai heuristik tata letak yang sama. Satu tabel jadi satu CSV; banyak tabel jadi ZIP berisi CSV. Excel menaruh tabel-tabel itu di lembar terpisah dalam satu buku kerja. Keduanya tidak memulihkan sel gabungan, tajuk berwarna, atau lembar tersembunyi dari PDF.

Buka unduhan di Excel atau LibreOffice Calc dan periksa beberapa baris untuk pemotongan kolom. Tabel rapat tanpa celah dua spasi sering jatuh ke satu kolom. Berkas yang dilindungi kata sandi dibuka untuk Anda di halaman ini setelah Anda memasukkan kata sandinya; pengguna API harus menjalankan Hapus kata sandi lebih dulu.

Aturan dua spasi adalah seluruh mekanisme deteksi, jadi kualitas buku kerja sepenuhnya bergantung pada cara PDF ditata. Tabel dari pembuat laporan yang memberi padding tiap sel ke lebar tetap terekstrak dengan bersih. Tabel yang antarkolomnya hanya satu spasi, atau memakai font proporsional yang membuat kolom hampir berdempetan, tidak terdeteksi sebagai tabel sama sekali dan mungkin tidak menghasilkan buku kerja. Sebelum menyalahkan alat, pilih satu baris di PDF dan pastikan teksnya memang bisa dipilih.

Penamaan lembar mengikuti posisi, bukan isi. Setiap blok yang terdeteksi menjadi `Page N` atau `Page N Table M`, sesuai urutan pemindaian halaman. Laporan dengan satu tabel per halaman menghasilkan satu lembar per halaman; halaman dengan tiga tabel bertumpuk menghasilkan tiga lembar bernomor. Tidak ada opsi menamai lembar dari sel tajuk, dan tidak ada keluaran gabungan dalam satu lembar.

Nilai ditulis sebagai teks, persis seperti muncul dalam ekstraksi yang mempertahankan tata letak. Angka tidak diubah menjadi sel numerik, sehingga nol di depan tetap ada dan simbol mata uang serta pemisah ribuan tetap di dalam string. Ini biasanya yang Anda inginkan untuk nomor rekening dan kode pos, tapi agak mengganggu untuk kolom nominal yang ingin Anda jumlahkan. Ubah tipenya di spreadsheet, atau salin kolomnya dan pakai fitur teks-ke-kolom atau konversi nilai di program tujuan.

Baris tidak dideduplikasi dan tajuk berulang tidak dihapus. Saat tabel terpotong di batas halaman, baris tajuk sering terulang di halaman berikutnya dan lanjutannya menjadi lembar tersendiri. Sel gabungan tidak direkonstruksi; sel yang membentang dua kolom di PDF sekadar menaruh teksnya di kolom paling kiri dan kolom kanannya kosong. Sel multi-baris menjadi baris terpisah, bukan satu nilai yang terlipat.

Unggahan bersifat sementara. Kami tidak menyimpan pustaka buku kerja Anda.