PDF의 표를 Excel로 변환하기

PDF를 Excel로는 `pdftotext -layout`을 실행해 연속 공백이 둘 이상인 줄을 찾고, 그 줄을 `.xlsx` 통합 문서에 씁니다. 감지된 표마다 `Page N` 또는 `Page N Table M` 이름의 시트가 됩니다. 뽑힌 글에서 열이 이미 맞춰진 전자 PDF에 맞습니다.

표로 인정하려면 표처럼 보이는 연속 두 줄 이상이 필요합니다. 산문, 한 줄짜리 머리글, 텍스트 층이 없는 스캔은 `no_content`가 되어 통합 문서가 없습니다. 빈 결과는 의도된 동작이며 조용한 실패가 아닙니다.

이 도구는 요청 매개변수를 무시합니다. 이 페이지에 페이지 범위 필드가 없습니다. 열은 연속 공백 둘 이상으로 자르며, 셀 안의 단일 공백은 셀에 남습니다.

OCR이 아닙니다. 이미지만 있는 스캔에는 `pdftotext`가 읽을 내용이 없습니다. 이 사이트 OCR은 Markdown을 반환하며 PDF를 Excel로에 다시 넣을 수 없습니다. 글이 픽셀에만 있으면 여기서 스프레드시트를 만들지 못합니다.

PDF를 CSV로는 같은 판면 휴리스틱을 씁니다. 표 하나는 CSV 하나, 여러 표는 CSV ZIP입니다. Excel은 그 표들을 같은 통합 문서의 각 시트에 둡니다. 둘 다 PDF에서 병합 셀·색 머리글·숨은 시트를 복원하지 않습니다.

Excel이나 LibreOffice Calc로 다운로드를 열어 몇 행의 열 분할을 점검하세요. 이중 공백 간격이 없는 촘촘한 표는 한 열로 떨어지는 경우가 많습니다. 비밀번호로 보호된 파일은 이 페이지에서 비밀번호를 입력하면 자동으로 해제됩니다. API 호출자는 먼저 비밀번호 해제를 실행하세요.

이중 공백 규칙이 감지 방식의 전부이므로, 통합 문서의 품질은 전적으로 PDF가 어떻게 조판되었는지에 달려 있습니다. 각 셀을 고정 너비로 채우는 보고서 생성기가 만든 표는 깔끔하게 추출됩니다. 열 사이에 공백이 하나뿐이거나, 비례 글꼴로 열이 거의 붙어 있는 표는 아예 표로 인식되지 않아 통합 문서가 나오지 않을 수 있습니다. 도구를 탓하기 전에 PDF에서 한 줄을 선택해 텍스트가 선택 가능한지부터 확인하세요.

시트 이름은 내용이 아니라 위치를 따릅니다. 감지된 각 블록은 페이지를 훑는 순서대로 `Page N` 또는 `Page N Table M`이 됩니다. 페이지마다 표가 하나인 보고서는 페이지마다 시트 하나를 만듭니다. 표 세 개가 쌓인 페이지는 번호가 붙은 시트 세 개가 됩니다. 머리글 셀로 시트 이름을 짓는 옵션은 없고, 하나의 시트로 합치는 출력도 없습니다.

값은 레이아웃을 보존한 추출에 나타난 그대로 텍스트로 기록됩니다. 숫자는 숫자 셀로 변환되지 않아 앞의 0이 유지되고 통화 기호와 천 단위 구분 기호도 문자열에 그대로 남습니다. 계좌 번호와 우편번호에는 대개 바람직하고, 합계를 낼 금액 열에는 조금 성가십니다. 스프레드시트에서 형식을 변환하거나, 열을 복사해 대상 프로그램의 텍스트 나누기나 값 변환을 사용하세요.

행은 중복 제거되지 않고 반복되는 머리글도 제거되지 않습니다. 표가 페이지 경계에서 끊기면 머리글 행이 다음 페이지에 자주 반복되고 이어지는 부분이 별도 시트가 됩니다. 병합 셀은 복원되지 않습니다. PDF에서 두 열에 걸쳐 있던 셀은 텍스트가 맨 왼쪽 열에만 들어가고 오른쪽 열은 비어 있습니다. 여러 줄 셀은 줄바꿈된 값 하나가 아니라 별도 행이 됩니다.

업로드는 일시적입니다. 통합 문서 보관함을 남기지 않습니다.