Przejdź do głównej treści
PPDF123

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?

  1. Prześlij PDF, którego tekst jest już zaznaczalny, a kolumny mają układ tabeli.
  2. Kliknij Przetwórz. Pole zakresu stron nie jest czytane przez konwerter.
  3. Jeśli znaleziono jedną tabelę, pobierz `.csv`. Jeśli kilka, ZIP. Jeśli żadnej, otrzymasz puste powodzenie.
  4. 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.pdf

Dostępne też jako narzędzie MCP dla klientów mówiących Model Context Protocol (JSON-RPC 2.0, POST /mcp). Pełna dokumentacja API

Użyj go z agentem AI

Skill

Z tym skillem Claude Code, Codex, Cursor i inne agenty AI mogą wykonać za Ciebie „PDF na CSV”: /skills/pdf123-pdf-to-csv.md

Wszystkie skille dla agentów

Pliki służą tylko do tego zadania i są potem automatycznie usuwane.