Ekstrak Jadual daripada PDF ke CSV
PDF ke CSV mencari baris jadual yang sejajar dalam teks PDF dan menulis setiap jadual yang dikesan sebagai fail CSV; beberapa jadual dipulangkan dalam ZIP. Ia memerlukan lapisan teks dan tidak memberi apa-apa untuk prosa atau imbasan.
Seret dan lepaskan fail di sini, atau klik untuk pilih
Menerima PDF · sehingga 500.0 MB setiap fail · sehingga 20 fail sekali gus
Anda juga boleh menampal fail dengan Ctrl/Cmd+V atau dari menu papan keratan.
PDF ke CSV menjalankan `pdftotext -layout`, mencari baris dengan dua atau lebih ruang berturut-turut, lalu menulis baris itu sebagai CSV. Setiap jadual yang dikesan menjadi fail tersendiri bernama `{base}_pN_tM.csv`. Sesuai untuk PDF elektronik yang lajurnya sudah sejajar dalam teks yang diekstrak.
Satu jadual memerlukan sekurang-kurangnya dua baris berturut-turut yang kelihatan seperti jadual. Prosa, satu baris pengepala sahaja, atau imbasan tanpa lapisan teks menghasilkan `no_content`: HTTP 204 dan tiada fail. Hasil kosong itu disengajakan, bukan kegagalan senyap.
Satu jadual menjadi satu muat turun `text/csv`. Beberapa jadual digabungkan menjadi ZIP bernama `{base}_extracted.zip`. Medan `pageNumbers` pada halaman ini diabaikan; setiap halaman diimbas.
Ini bukan OCR. Imbasan imej semata-mata tiada apa untuk dibaca `pdftotext`. OCR di tapak ini memulangkan Markdown, yang tidak boleh dihantar semula ke sini. Lajur dipotong pada jujukan dua ruang berturut-turut atau lebih; ruang tunggal dalam sel kekal dalam sel. Nilai diletakkan tanda petik mengikut RFC 4180.
PDF ke Excel menggunakan heuristik susun atur yang sama. Excel menyimpan jadual itu sebagai lembaran dalam satu buku kerja. CSV menulis satu fail setiap jadual. Kedua-duanya tidak membina semula sel gabungan, pengepala berwarna, atau lembaran tersembunyi daripada PDF.
Buka muat turun dalam hamparan dan semak pemotongan lajur pada beberapa baris. Jadual rapat tanpa jurang dua ruang sering jatuh ke satu lajur. Fail yang dilindungi kata laluan dibuka untuk anda pada halaman ini sebaik sahaja anda memasukkan kata laluan; pemanggil API menjalankan Buang kata laluan dahulu.
Heuristik dua ruang ialah perkara utama. Penukar tidak memodelkan sempadan sel seperti yang dilihat manusia: setiap jujukan dua ruang atau lebih dalam teks yang susun aturnya dikekalkan dianggap sebagai pemisah lajur. Ini berkesan untuk jadual yang dihasilkan penjana laporan yang menyamakan lebar sel, dan gagal untuk jadual yang hanya dipisahkan satu ruang atau menggunakan fon berkadar sehingga lajur hanya berjarak satu ruang.
Nombor, tarikh dan pengecam ditulis sebagai teks, bukan nilai hamparan yang bertipe. Lajur angka masuk ke CSV sebagai rentetan yang kebetulan mengandungi digit, jadi sifar di hadapan kekal dan tarikh mengekalkan format yang digunakan PDF. Tukar jenis dalam hamparan selepas import jika anda perlu mengira atau mengisih mengikut tarikh.
Jadual yang sangat lebar atau sangat panjang boleh terputus antara halaman PDF, dan setiap halaman diimbas secara berasingan. Jadual yang bersambung ke halaman 2 menjadi fail `{base}_pN_tM.csv` kedua. Anda menerima semua serpihan, tetapi perlu mencantumkannya sendiri; alat ini tidak mencantum jadual merentas pemisah halaman.
Pemisahnya tetap koma dan tanda petik mengikut RFC 4180, jadi sel yang mengandungi koma diapit tanda petik. Tiada pilihan untuk mengeluarkan titik bertindih atau tab. Jika lokasi hamparan anda menjangkakan titik bertindih, import dengan memilih koma sebagai pemisah secara jelas daripada mengklik dua kali fail itu.
Apabila CSV kosong, langkah pertama yang munasabah ialah memeriksa sama ada teks PDF benar-benar boleh dipilih. Buka fail itu dan cuba sorot satu baris. Jika tiada apa yang tersorot, fail itu ialah imbasan dan CSV tidak akan pernah keluar; OCR ke Markdown ialah alat yang sekurang-kurangnya memberi anda perkataannya, walaupun bukan dalam lajur.
Ciri
- `pdftotext -layout` serta heuristik lajur dua ruang
- Satu CSV setiap jadual, atau ZIP apabila jadualnya beberapa
- Pengesanan kosong memulangkan HTTP 204; bukan OCR
- Nilai ialah teks RFC 4180; tiada inferens jenis atau pilihan pemisah
- API tanpa nama di /api/v1/convert/pdf/csv
Bila menggunakan alat ini
- Menarik jadual invois elektronik ke hamparan
- Menyimpan jadual daripada beberapa halaman sebagai fail CSV berasingan
- Memberi input kepada skrip yang menjangkakan CSV berupa jadual PDF yang sejajar susun aturnya
- Mengeluarkan senarai harga daripada laporan kewangan berlebar tetap
Bagaimana cara mengekstrak jadual daripada PDF ke CSV?
- Muat naik PDF yang teksnya sudah boleh dipilih dan lajurnya berbentuk jadual.
- Klik Proses. Medan julat halaman tidak dibaca oleh penukar.
- Jika satu jadual dijumpai, muat turun `.csv`. Jika beberapa, muat turun ZIP. Jika tiada, anda mendapat kejayaan kosong.
- Buka CSV dan semak pemotongan. PDF yang hanya mengandungi prosa tidak menghasilkan fail.
Had dan kes khas
- Memerlukan teks yang boleh dipilih dan jurang dua ruang antara lajur
- Tiada OCR dan tiada kawalan julat halaman yang berkesan
- Sel gabungan dan gaya tidak dibina semula
- Semua nilai ialah teks tanpa jenis; tiada pilihan pemisah
- Jadual yang merentas halaman tiba sebagai serpihan berasingan
- Had muat naik di tapak web ini: 500 MB setiap fail, dihantar berketul-ketul melebihi kira-kira 95 MB. Satu badan permintaan API langsung dihadkan pada 100 MB.
Contoh
- PDF teks dengan senarai harga tiga lajur sering menjadi satu CSV lajur itu
- Penyata bank hasil imbasan tanpa lapisan teks memulangkan HTTP 204
- Laporan lima halaman dengan satu jadual setiap halaman menghasilkan ZIP lima fail CSV
Privasi untuk alat ini
Fail dimuat naik melalui HTTPS, diproses dalam memori atau direktori sementara singkat di pelayan kami, kemudian dipadam apabila hasil sedia. Kami tidak menyimpan salinan untuk semakan kemudian, latihan, atau profil iklan. Lihat Dasar Privasi untuk pengekalan dan pendedahan kuki AdSense.
Soalan lazim
- Mengapa saya tidak mendapat CSV?
- Tiada blok dua baris jadual berturut-turut atau lebih ditemui. Imbasan, prosa dan jadual tanpa jurang dua ruang menggagalkan heuristik ini. API menjawab 204 `no_content`.
- Bolehkah saya OCR dahulu kemudian tukar ke CSV?
- Tidak. OCR memulangkan Markdown. Alat ini hanya membaca PDF melalui pdftotext.
- Apa bezanya dengan PDF ke Excel?
- Pengesanannya sama. CSV menulis satu fail setiap jadual (satu CSV, atau ZIP apabila beberapa). Excel meletakkan setiap jadual pada lembarannya sendiri dalam satu buku kerja.
- Adakah senarai halaman dalam borang ini memberi kesan?
- Tidak. pdftotext memisahkan halaman pada pemisah halaman dan setiap halaman diimbas. Tiada parameter julat halaman.
- Mengapa semua lajur masuk ke satu sel?
- PDF hanya meletakkan satu ruang antara lajur, jadi peraturan dua ruang tidak pernah tercetus. Cuba eksport semula sumber dengan lajur lebar tetap, atau gunakan OCR ke Markdown dan pisahkan teks secara manual.
- Adakah nombor diimport sebagai nombor?
- Tidak. Semua nilai ialah teks biasa. Sifar di hadapan kekal dan tarikh mengekalkan format PDF. Tukar jenis dalam hamparan selepas import jika anda perlu mengisih atau mengira.
- Apa jadi pada jadual yang merentas dua halaman?
- Setiap halaman diimbas sendiri, jadi jadual panjang menghasilkan beberapa serpihan CSV. Cantumkan sendiri; alat ini tidak menggabungkan jadual merentas pemisah halaman.
Kemas kini terakhir:
Panggil dari kod
Setiap alat di laman ini ialah panggilan REST biasa. Penggunaan tanpa nama tidak perlukan akaun atau kunci API. Untuk pelayar, pembangun dan ejen AI sama-sama.
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 ejen yang menggunakan Model Context Protocol (JSON-RPC 2.0 melalui POST /mcp). Rujukan API penuh
Gunakan melalui ejen AI
SkillDengan skill ini, Claude Code, Codex, Cursor dan ejen AI lain boleh menjalankan "PDF ke CSV" bagi pihak anda: /skills/pdf123-pdf-to-csv.md
Fail hanya digunakan untuk pemprosesan ini dan dipadam secara automatik selepas itu.