Wyodrębnianie tabel z PDF do CSV
PDF na CSV znajduje wyrównane wiersze tabel w tekście PDF i zapisuje każdą wykrytą tabelę jako plik CSV; kilka tabel wraca w ZIP-ie. Wymaga warstwy tekstu i nic nie zwraca dla zwykłego tekstu ani skanów.
Przeciągnij pliki tutaj albo kliknij, żeby wybrać
Obsługiwane: PDF · do 500.0 MB na plik · maks. 20 plików naraz
Możesz też wkleić plik przez Ctrl/Cmd+V lub z menu schowka.
PDF na CSV uruchamia `pdftotext -layout`, szuka wierszy z co najmniej dwiema spacjami pod rząd i zapisuje je jako CSV. Każda wykryta tabela staje się osobnym plikiem o nazwie `{base}_pN_tM.csv`. Nadaje się do elektronicznych PDF, w których kolumny są już wyrównane w wyciągniętym tekście.
Tabela wymaga co najmniej dwóch kolejnych wierszy tabelarycznych. Proza, samotny wiersz nagłówka albo skan bez warstwy tekstu dają `no_content`: HTTP 204 i brak pliku. Pusty wynik jest zamierzony, nie cichą awarią.
Jedna tabela staje się jednym plikiem do pobrania `text/csv`. Wiele tabel trafia do ZIP-a o nazwie `{base}_extracted.zip`. Pole `pageNumbers` na tej stronie jest ignorowane; skanowana jest każda strona.
To nie OCR. Czysty skan obrazowy nie ma treści dla `pdftotext`. OCR w tym serwisie zwraca Markdown, którego nie można tu ponownie wstawić. Kolumny dzielą się na ciągach dwóch lub więcej spacji; pojedyncza spacja w komórce zostaje w komórce. Wartości są ujmowane w cudzysłowy według RFC 4180.
PDF na Excel używa tej samej heurystyki układu. Excel trzyma te tabele jako arkusze w jednym skoroszycie. CSV zapisuje jeden plik na tabelę. Żadne nie odtwarza scalonych komórek, kolorowych nagłówków ani ukrytych arkuszy z PDF-a.
Otwórz pobrany plik w arkuszu kalkulacyjnym i sprawdź podział kolumn w kilku wierszach. Ścisłe tabele bez luki dwóch spacji często lądują w jednej kolumnie. Pliki chronione hasłem są odblokowywane dla Ciebie na tej stronie, gdy wpiszesz hasło; wywołujący API uruchamiają najpierw Usuń hasło.
Heurystyka dwóch spacji to kluczowy szczegół. Konwerter nie modeluje granic komórek tak, jak widzi je człowiek: każdy ciąg dwóch lub więcej spacji w tekście z zachowanym układem traktuje jako podział kolumny. To działa dobrze w tabelach tworzonych przez generatory raportów, które wyrównują komórki do stałej szerokości, a zawodzi w tabelach z pojedynczą spacją między kolumnami albo z proporcjonalnymi czcionkami, które rozstawiają kolumny na jedną spację.
Liczby, daty i identyfikatory są zapisywane jako tekst, a nie jako typowane wartości arkusza. Kolumna liczb trafia do CSV jako łańcuchy, które przypadkiem zawierają cyfry, więc zera wiodące przetrwają, a data zachowa format użyty w PDF-ie. Jeśli potrzebujesz obliczeń lub sortowania po dacie, przekonwertuj typy w arkuszu po imporcie.
Bardzo szerokie lub bardzo długie tabele mogą przechodzić między stronami PDF-a, a każda strona jest skanowana osobno. Tabela, która przechodzi na stronę 2, staje się drugim plikiem `{base}_pN_tM.csv`. Otrzymujesz wszystkie fragmenty, ale musisz je samodzielnie połączyć; narzędzie nie zszywa tabeli przez podział strony.
Separator jest na stałe przecinkiem, a cudzysłowy działają według RFC 4180, więc komórka zawierająca przecinek jest ujmowana w cudzysłowy. Nie ma opcji wypisywania średników ani tabulatorów. Jeśli ustawienia regionalne Twojego arkusza oczekują średników, zaimportuj plik z jawnie wybranym przecinkiem jako separatorem, zamiast klikać go dwukrotnie.
Gdy CSV jest pusty, rozsądnym pierwszym krokiem jest sprawdzenie, czy tekst w PDF-ie rzeczywiście da się zaznaczyć. Otwórz plik i spróbuj podświetlić wiersz. Jeśli nic się nie zaznacza, plik jest skanem i CSV nigdy nie powstanie; OCR do Markdown to narzędzie, które przynajmniej da Ci słowa, choć nie w kolumnach.
Funkcje
- `pdftotext -layout` plus heurystyka kolumn na podwójnych spacjach
- Jeden CSV na tabelę albo ZIP, gdy tabel jest kilka
- Puste wykrycie zwraca HTTP 204; to nie OCR
- Wartości są tekstem RFC 4180; bez wnioskowania typów i wyboru separatora
- Anonimowe API pod /api/v1/convert/pdf/csv
Kiedy tego użyć
- Wciągnąć tabelę faktury elektronicznej do arkusza kalkulacyjnego
- Zachować tabele z wielu stron jako osobne pliki CSV
- Podawać wyrównane tabelami PDF-y skryptowi, który oczekuje CSV
- Wyciągnąć cennik z raportu finansowego o stałej szerokości kolumn
Jak wyodrębnić tabelę z PDF do CSV?
- Prześlij PDF, którego tekst jest już zaznaczalny, a kolumny mają układ tabeli.
- Kliknij Przetwórz. Pole zakresu stron nie jest czytane przez konwerter.
- Jeśli znaleziono jedną tabelę, pobierz `.csv`. Jeśli kilka, ZIP. Jeśli żadnej, otrzymasz puste powodzenie.
- Otwórz CSV i sprawdź podział. PDF-y z samą prozą nie dadzą pliku.
Ograniczenia i przypadki brzegowe
- Wymaga zaznaczalnego tekstu i luki dwóch spacji między kolumnami
- Bez OCR i bez działającej kontroli zakresu stron
- Scalone komórki i styl nie są odtwarzane
- Wszystkie wartości to tekst bez typu; brak wyboru separatora
- Tabele przechodzące między stronami trafiają jako osobne fragmenty
- Limit przesyłania na tej stronie: 500 MB na plik, wysyłane porcjami powyżej około 95 MB. Treść pojedynczego bezpośredniego żądania API jest ograniczona do 100 MB.
Przykłady
- Tekstowy PDF z trójkolumnowym cennikiem często staje się jednym CSV tych kolumn
- Zeskanowany wyciąg bankowy bez warstwy tekstu zwraca HTTP 204
- Pięciostronicowy raport z jedną tabelą na stronę daje ZIP z pięcioma plikami CSV
Prywatność tego narzędzia
Pliki są przesyłane przez HTTPS, przetwarzane w pamięci lub w krótkotrwałym katalogu tymczasowym na naszych serwerach i usuwane, gdy wynik jest gotowy. Nie przechowujemy kopii do późniejszego przeglądania, trenowania ani profili reklamowych. Szczegóły retencji i pliki cookie AdSense znajdują się w polityce prywatności.
Najczęstsze pytania
- Dlaczego nie dostałem CSV?
- Nie znaleziono bloku dwóch lub więcej kolejnych wierszy tabelarycznych. Skany, proza i tabele bez luki dwóch spacji zawodzą tę heurystykę. API odpowiada 204 `no_content`.
- Czy mogę najpierw zrobić OCR, a potem konwersję do CSV?
- Nie. OCR zwraca Markdown. To narzędzie czyta PDF wyłącznie przez pdftotext.
- Czym różni się od PDF na Excel?
- Wykrywanie jest takie samo. CSV zapisuje jeden plik na tabelę (pojedynczy CSV albo ZIP, gdy jest ich kilka). Excel umieszcza każdą tabelę na osobnym arkuszu jednego skoroszytu.
- Czy lista stron w tym formularzu coś robi?
- Nie. pdftotext dzieli strony po znakach przejścia na nową stronę i każda jest skanowana. Nie ma parametru zakresu stron.
- Dlaczego wszystkie kolumny trafiły do jednej komórki?
- PDF miał tylko pojedyncze spacje między kolumnami, więc reguła dwóch spacji nigdy się nie uruchomiła. Spróbuj ponownie wyeksportować źródło z kolumnami o stałej szerokości albo użyj OCR do Markdown i podziel tekst ręcznie.
- Czy liczby są importowane jako liczby?
- Nie. Każda wartość to zwykły tekst. Zera wiodące przetrwają, a daty zachowują format PDF-a. Jeśli potrzebujesz sortować lub liczyć, przekonwertuj typy w arkuszu po imporcie.
- Co się dzieje z tabelą rozłożoną na dwie strony?
- Każda strona jest skanowana osobno, więc długa tabela daje kilka fragmentów CSV. Połącz je samodzielnie; narzędzie nie scala tabel przez podział strony.
Ostatnia aktualizacja:
Wywołanie z kodu
Każde narzędzie na stronie to zwykły interfejs REST. Anonimowo nie trzeba konta ani klucza API. Działa w przeglądarce, u programistów i u agentów AI.
curl -X POST "https://pdf123.xyz/api/v1/convert/pdf/csv" \
-F "[email protected]" \
-F "pageNumbers=all" \
-o output.pdfDostępne też jako narzędzie MCP dla klientów mówiących Model Context Protocol (JSON-RPC 2.0, POST /mcp). Pełna dokumentacja API
Użyj go z agentem AI
SkillZ tym skillem Claude Code, Codex, Cursor i inne agenty AI mogą wykonać za Ciebie „PDF na CSV”: /skills/pdf123-pdf-to-csv.md
Pliki służą tylko do tego zadania i są potem automatycznie usuwane.