Извлечение таблиц из PDF в CSV
«PDF в CSV» находит выровненные строки таблиц в тексте PDF и записывает каждую найденную таблицу файлом CSV; несколько таблиц возвращаются в ZIP. Нужен текстовый слой; для сплошного текста и сканов результата не будет.
Перетащите файлы сюда или нажмите, чтобы выбрать
Форматы: PDF · до 500.0 MB на файл · до 20 файлов за раз
Файл можно также вставить через Ctrl/Cmd+V или из меню буфера обмена.
PDF в CSV запускает `pdftotext -layout`, ищет строки с двумя и более пробелами подряд и записывает эти строки в CSV. Каждая найденная таблица становится отдельным файлом `{base}_pN_tM.csv`. Подходит для цифровых PDF, где колонки уже выровнены в извлечённом тексте.
Таблице нужны как минимум две подряд строки табличного вида. Сплошной текст, одинокая строка заголовка или скан без текстового слоя дают `no_content`: HTTP 204 и никакого файла. Пустой результат намеренный, а не тихий сбой.
Одна таблица становится одной загрузкой `text/csv`. Несколько таблиц упаковываются в ZIP с именем `{base}_extracted.zip`. Поле `pageNumbers` на этой странице игнорируется; сканируется каждая страница.
Это не OCR. У чисто графического скана нет ничего, что мог бы прочитать `pdftotext`. OCR на этом сайте возвращает Markdown, который нельзя снова отправить сюда. Колонки делятся по сериям из двух и более пробелов; одиночный пробел внутри ячейки остаётся в ячейке. Значения заключаются в кавычки по RFC 4180.
PDF в Excel использует ту же эвристику вёрстки. Excel хранит такие таблицы как листы одной книги. CSV пишет по файлу на таблицу. Ни то ни другое не восстанавливает из PDF объединённые ячейки, цветные заголовки или скрытые листы.
Откройте загрузку в табличном редакторе и проверьте разбиение колонок на нескольких строках. Плотные таблицы без зазора в два пробела часто попадают в одну колонку. Файлы под паролем разблокируются для вас на этой странице, как только вы введёте пароль; вызовы API сначала выполняют «Снять пароль».
Эвристика двух пробелов — ключевая деталь. Конвертер не моделирует границы ячеек так, как их видит человек: любую серию из двух и более пробелов в тексте с сохранённой вёрсткой он считает разрывом колонки. Это хорошо работает для таблиц, которые генераторы отчётов выравнивают по фиксированной ширине, и не срабатывает для таблиц с одним пробелом между колонками или с пропорциональными шрифтами, где колонки разделяет всего один пробел.
Числа, даты и идентификаторы записываются как текст, а не как типизированные значения электронной таблицы. Столбец цифр попадает в CSV строками, которые лишь содержат цифры, поэтому ведущие нули сохраняются, а дата остаётся в том формате, который был в PDF. Если нужны вычисления или сортировка по дате, преобразуйте типы в таблице после импорта.
Очень широкие или очень длинные таблицы могут разрываться между страницами PDF, и каждая страница сканируется отдельно. Таблица, продолжающаяся на странице 2, становится вторым файлом `{base}_pN_tM.csv`. Вы получите все фрагменты, но склеивать их придётся самому; инструмент не сшивает таблицу через разрыв страницы.
Разделитель фиксирован — запятая, а кавычки работают по RFC 4180, поэтому ячейка с запятой заключается в кавычки. Опции выводить точки с запятой или табуляцию нет. Если региональные настройки вашей таблицы ждут точку с запятой, импортируйте файл с явно выбранной запятой, а не открывайте его двойным щелчком.
Если CSV пуст, разумный первый шаг — проверить, действительно ли текст в PDF выделяется. Откройте файл и попробуйте подсветить строку. Если ничего не выделяется, это скан, и CSV никогда не появится; OCR в Markdown — инструмент, который хотя бы даст слова, пусть и не по колонкам.
Функции
- `pdftotext -layout` плюс эвристика колонок по двум пробелам
- Один CSV на таблицу или ZIP, если таблиц несколько
- Пустое обнаружение возвращает HTTP 204; это не OCR
- Значения — текст по RFC 4180; без вывода типов и выбора разделителя
- Анонимный API: /api/v1/convert/pdf/csv
Когда применять
- Перенести таблицу цифровой накладной в электронную таблицу
- Сохранить таблицы с нескольких страниц отдельными CSV-файлами
- Передать выровненные таблицы PDF скрипту, который ждёт CSV
- Извлечь прайс-лист из финансового отчёта с фиксированной шириной
Как извлечь таблицу из PDF в CSV?
- Загрузите PDF, текст которого уже выделяется, а колонки имеют табличный вид.
- Нажмите «Обработать». Поле диапазона страниц конвертер не читает.
- Если найдена одна таблица, скачайте `.csv`. Если несколько — ZIP. Если ни одной, вы получите пустой успех.
- Откройте CSV и проверьте разбиение. PDF из одного текста файла не даст.
Ограничения и особые случаи
- Нужен выделяемый текст и зазор в два пробела между колонками
- Нет OCR и нет работающего управления диапазоном страниц
- Объединённые ячейки и стили не восстанавливаются
- Все значения — текст без типа; выбора разделителя нет
- Таблицы через несколько страниц приходят отдельными фрагментами
- Лимит загрузки на сайте: 500 МБ на файл, файлы крупнее примерно 95 МБ отправляются частями. Тело одного прямого запроса к API ограничено 100 МБ.
Примеры
- Текстовый PDF с прайсом из трёх колонок часто становится одним CSV этих колонок
- Отсканированная банковская выписка без текстового слоя возвращает HTTP 204
- Отчёт на пять страниц с одной таблицей на странице даёт ZIP из пяти CSV-файлов
Конфиденциальность этого инструмента
Файлы загружаются по HTTPS, обрабатываются в памяти или в короткоживущем временном каталоге на наших серверах и удаляются, когда результат готов. Копии для последующего просмотра, обучения моделей или рекламных профилей мы не храним. Сроки хранения и сведения о cookie AdSense указаны в Политике конфиденциальности.
Частые вопросы
- Почему нет CSV?
- Не найден блок из двух или более подряд табличных строк. Сканы, сплошной текст и таблицы без зазора в два пробела проваливают эту эвристику. API отвечает 204 `no_content`.
- Можно сначала OCR, а потом в CSV?
- Нет. OCR возвращает Markdown. Этот инструмент читает PDF только через pdftotext.
- Чем это отличается от PDF в Excel?
- Обнаружение одинаковое. CSV пишет по файлу на таблицу (один CSV или ZIP, если их несколько). Excel помещает каждую таблицу на отдельный лист одной книги.
- Список страниц в этой форме что-то делает?
- Нет. pdftotext делит страницы по разрывам, и каждая сканируется. Параметра диапазона страниц нет.
- Почему все колонки оказались в одной ячейке?
- В PDF между колонками был только один пробел, поэтому правило двух пробелов не сработало. Попробуйте заново экспортировать источник с колонками фиксированной ширины или проведите текст через OCR в Markdown и разделите вручную.
- Числа импортируются как числа?
- Нет. Все значения — обычный текст. Ведущие нули сохраняются, а даты остаются в формате PDF. Если нужно сортировать или считать, преобразуйте типы в таблице после импорта.
- Что происходит с таблицей, занимающей две страницы?
- Каждая страница сканируется отдельно, поэтому длинная таблица даёт несколько фрагментов CSV. Объединяйте их сами; инструмент не сливает таблицы через разрыв страницы.
Последнее обновление:
Вызов из кода
Каждый инструмент на сайте: обычный REST. Анонимно не нужны ни аккаунт, ни ключ API. И для браузера, и для разработчиков, и для ИИ-агентов.
curl -X POST "https://pdf123.xyz/api/v1/convert/pdf/csv" \
-F "[email protected]" \
-F "pageNumbers=all" \
-o output.pdfЕсть и как MCP-инструмент для клиентов на Model Context Protocol (JSON-RPC 2.0, POST /mcp). Полное описание API
Использовать через ИИ-агента
СкиллС этим скиллом Claude Code, Codex, Cursor и другие ИИ-агенты смогут выполнить «PDF в CSV» за вас: /skills/pdf123-pdf-to-csv.md
Файлы нужны только для этой обработки и потом удаляются.