Tukar Jadual PDF kepada Excel

PDF ke Excel menjalankan `pdftotext -layout`, mencari baris yang mengandungi dua atau lebih ruang berturut-turut, lalu menulis baris itu ke buku kerja `.xlsx`. Setiap jadual yang dikesan menjadi lembaran dinamakan `Page N` atau `Page N Table M`. Sesuai untuk PDF elektronik yang lajur sudah sejajar dalam teks yang diekstrak.

Satu jadual memerlukan sekurang-kurangnya dua baris berturut-turut yang kelihatan seperti jadual. Prosa, pengepala satu baris sahaja, atau imbasan tanpa lapisan teks menghasilkan `no_content`: tiada buku kerja. Hasil kosong disengajakan, bukan kegagalan senyap.

Alat ini mengabaikan parameter permintaan. Halaman ini tiada medan julat halaman. Lajur dipotong pada dua atau lebih ruang berturut-turut; ruang tunggal dalam sel kekal dalam sel.

Ini bukan OCR. Imbasan imej sahaja tiada kandungan untuk `pdftotext` baca. OCR di tapak ini memulangkan Markdown, yang tidak boleh dihantar semula ke PDF ke Excel. Apabila teks hanya wujud dalam piksel, tiada hamparan di sini.

PDF ke CSV memakai heuristik susun atur yang sama. Satu jadual menjadi satu CSV; beberapa jadual menjadi ZIP CSV. Excel meletakkan jadual itu sebagai lembaran dalam buku kerja yang sama. Kedua-duanya tidak memulihkan sel gabung, pengepala berwarna, atau lembaran tersembunyi daripada PDF.

Buka muat turun dalam Excel atau LibreOffice Calc dan sampel beberapa baris untuk semak potongan lajur. Jadual rapat tanpa jurang ruang berganda sering jatuh ke satu lajur. Fail yang dilindungi kata laluan dibuka untuk anda pada halaman ini sebaik sahaja anda memasukkan kata laluan; pemanggil API perlu menjalankan Buang kata laluan dahulu.

Peraturan dua ruang itulah seluruh mekanisme pengesanan, jadi kualiti buku kerja bergantung sepenuhnya pada cara PDF disusun huruf. Jadual daripada penjana laporan yang menambah padding setiap sel ke lebar tetap diekstrak dengan bersih. Jadual yang antara lajurnya hanya satu ruang, atau memakai fon berkadar yang menghampirkan lajur hampir bersebelahan, tidak dikenali sebagai jadual langsung dan mungkin tidak menghasilkan buku kerja. Sebelum menyalahkan alat, pilih satu baris dalam PDF dan pastikan teks itu memang boleh dipilih.

Penamaan lembaran mengikut kedudukan, bukan kandungan. Setiap blok yang dikesan menjadi `Page N` atau `Page N Table M`, mengikut urutan halaman diimbas. Laporan dengan satu jadual setiap halaman menghasilkan satu lembaran setiap halaman; halaman dengan tiga jadual bertindan menghasilkan tiga lembaran bernombor. Tiada pilihan menamakan lembaran ikut sel pengepala, dan tiada output gabungan dalam satu lembaran.

Nilai ditulis sebagai teks, sama seperti yang muncul dalam pengekstrakan yang mengekalkan susun atur. Nombor tidak ditukar kepada sel berangka, jadi sifar di hadapan kekal dan simbol mata wang serta pemisah ribuan tinggal dalam rentetan. Ini biasanya yang anda mahu untuk nombor akaun dan poskod, dan agak menyusahkan untuk lajur amaun yang mahu anda jumlahkan. Tukar jenis dalam hamparan, atau salin lajur itu dan guna teks-ke-lajur atau penukaran nilai dalam program tujuan.

Baris tidak dinyahduplikasi dan pengepala berulang tidak dibuang. Apabila jadual terputus pada sempadan halaman, baris pengepala sering berulang di halaman seterusnya dan sambungannya menjadi lembaran tersendiri. Sel gabung tidak dibina semula; sel yang merentangi dua lajur dalam PDF hanya meletakkan teksnya di lajur paling kiri dan lajur kanannya kosong. Sel berbilang baris menjadi baris berasingan, bukan satu nilai yang dilipat.

Muat naik bersifat sementara. Kami tidak menyimpan pustaka buku kerja anda.