Extrahera tabeller ur en PDF till CSV
PDF till CSV hittar justerade tabellrader i en PDF:s text och skriver varje funnen tabell som en CSV-fil; flera tabeller kommer i en ZIP. Den kräver textlager och ger inget för löptext eller skanningar.
Dra filer hit, eller klicka för att välja
Tar emot PDF · upp till 500.0 MB per fil · upp till 20 filer åt gången
Du kan också klistra in en fil med Ctrl/Cmd+V eller via urklippsmenyn.
PDF till CSV kör `pdftotext -layout`, letar efter rader med två eller fler mellanslag i följd och skriver dem som CSV. Varje hittad tabell blir en egen fil med namnet `{base}_pN_tM.csv`. Passar digitala PDF:er där kolumnerna redan linjerar i den utdragna texten.
En tabell kräver minst två tabelliknande rader i följd. Löptext, en ensam rubrikrad eller en skanning utan textlager ger `no_content`: HTTP 204 och ingen fil. Det tomma resultatet är avsiktligt, inte ett tyst fel.
En tabell blir en `text/csv`-nedladdning. Flera tabeller samlas i en ZIP med namnet `{base}_extracted.zip`. Fältet `pageNumbers` på den här sidan ignoreras; varje sida genomsöks.
Det här är ingen OCR. En ren bildskanning har inget för `pdftotext` att läsa. OCR på den här sajten ger Markdown, som inte kan skickas tillbaka hit. Kolumner delas vid serier av två eller fler mellanslag; ett enstaka mellanslag i en cell stannar i cellen. Värden citeras enligt RFC 4180.
PDF till Excel använder samma layoutheuristik. Excel behåller tabellerna som blad i en arbetsbok. CSV skriver en fil per tabell. Ingen av dem återskapar sammanfogade celler, färgade rubriker eller dolda blad från PDF:en.
Öppna nedladdningen i ett kalkylprogram och kontrollera kolumndelningen på några rader. Täta tabeller utan dubbelmellanslag hamnar ofta i en enda kolumn. Lösenordsskyddade filer låses upp åt dig på den här sidan när du anger lösenordet; API-anropare kör Ta bort lösenord först.
Dubbelmellanslagsheuristiken är den viktiga detaljen. Konverteraren modellerar inte cellgränser som en människa ser dem: varje serie av två eller fler mellanslag i den layoutbevarade texten räknas som en kolumndelning. Det fungerar bra för tabeller från rapportgeneratorer som fyller ut celler till en fast bredd, och misslyckas för tabeller med bara ett mellanslag mellan kolumnerna eller med proportionella typsnitt som placerar kolumnerna ett mellanslag isär.
Tal, datum och identifierare skrivs som text, inte som typade kalkylvärden. En sifferkolumn hamnar i CSV:n som strängar som råkar innehålla siffror, så inledande nollor bevaras och ett datum behåller formatet PDF:en använde. Om du behöver räkna eller sortera på datum konverterar du typerna i kalkylarket efter importen.
Mycket breda eller mycket höga tabeller kan brytas över PDF-sidor, och varje sida genomsöks separat. En tabell som fortsätter på sida 2 blir en andra fil `{base}_pN_tM.csv`. Du får alla fragment, men måste själv sammanfoga dem; verktyget fogar inte ihop en tabell över en sidbrytning.
Avgränsaren är fast komma och citattecknen följer RFC 4180, så en cell med komma omges av citattecken. Det finns ingen möjlighet att skriva ut semikolon eller tabbar. Om kalkylarkets språkinställning förväntar sig semikolon importerar du med komma explicit valt som avgränsare i stället för att dubbelklicka på filen.
När CSV:n är tom är ett klokt första steg att kontrollera om texten i PDF:en verkligen går att markera. Öppna filen och försök markera en rad. Går inget att markera är filen en skanning och någon CSV kommer aldrig; OCR till Markdown är verktyget som åtminstone ger dig orden, om än inte i kolumner.
Funktioner
- `pdftotext -layout` plus dubbelmellanslagsheuristik för kolumner
- En CSV per tabell, eller en ZIP när det finns flera
- Tom träff ger HTTP 204; ingen OCR
- Värden är RFC 4180-text; ingen typgissning och inget val av avgränsare
- Anonymt API på /api/v1/convert/pdf/csv
När du ska använda det här verktyget
- Hämta en digital fakturatabell till ett kalkylark
- Behåll tabeller från flera sidor som separata CSV-filer
- Mata ett skript som väntar sig CSV med layoutjusterade PDF-tabeller
- Extrahera en prislista ur en finansrapport med fast bredd
Hur extraherar jag en tabell ur en PDF till CSV?
- Ladda upp en PDF vars text redan går att markera och är satt i tabelliknande kolumner.
- Klicka på Bearbeta. Sidintervallfältet läses inte av konverteraren.
- Hittades en tabell laddar du ner `.csv`. Är det flera, ZIP:en. Är det ingen får du en tom lyckad körning.
- Öppna CSV:n och kontrollera delningen. PDF:er med bara löptext ger ingen fil.
Gränser och specialfall
- Kräver markerbar text och en dubbelmellanslagslucka mellan kolumnerna
- Ingen OCR och ingen fungerande sidintervallskontroll
- Sammanfogade celler och formatering återskapas inte
- Alla värden är otypisk text; inget val av avgränsare
- Tabeller över flera sidor kommer som separata fragment
- Uppladdningsgräns på webbplatsen: 500 MB per fil, som skickas i delar över cirka 95 MB. Innehållet i en enskild direkt API-förfrågan är begränsat till 100 MB.
Exempel
- En text-PDF med en trespaltig prislista blir ofta en enda CSV med de kolumnerna
- Ett skannat kontoutdrag utan textlager ger HTTP 204
- En fem sidor lång rapport med en tabell per sida ger en ZIP med fem CSV-filer
Integritet för det här verktyget
Filer laddas upp via HTTPS, bearbetas i serverns minne eller en kortlivad tillfällig katalog och raderas när resultatet är klart. Vi behåller inga kopior för senare bläddring, träning eller annonsprofiler. Se integritetspolicyn för lagringstider och AdSense-cookieupplysningar.
Vanliga frågor
- Varför fick jag ingen CSV?
- Inget block med två eller fler tabelliknande rader i följd hittades. Skanningar, löptext och tabeller utan dubbelmellanslag får den här heuristiken att misslyckas. API:et svarar 204 `no_content`.
- Kan jag OCR:a först och sedan göra CSV?
- Nej. OCR ger Markdown. Det här verktyget läser bara PDF via pdftotext.
- Vad skiljer det från PDF till Excel?
- Samma detektering. CSV skriver en fil per tabell (en enskild CSV, eller en ZIP när det finns flera). Excel lägger varje tabell på ett eget blad i en arbetsbok.
- Gör sidlistan i det här formuläret något?
- Nej. pdftotext delar sidor vid form feeds och varje sida genomsöks. Det finns ingen parameter för sidintervall.
- Varför hamnade alla kolumner i en enda cell?
- PDF:en hade bara ett mellanslag mellan kolumnerna, så tvåmellanslagsregeln utlöstes aldrig. Exportera om källan med kolumner i fast bredd, eller gå via OCR till Markdown och dela texten manuellt.
- Importeras tal som tal?
- Nej. Varje värde är vanlig text. Inledande nollor bevaras och datum behåller PDF:ens format. Konvertera typerna i kalkylarket efter importen om du behöver sortera eller räkna.
- Vad händer med en tabell som sträcker sig över två sidor?
- Varje sida genomsöks för sig, så en lång tabell ger flera CSV-fragment. Sammanfoga dem själv; verktyget slår inte ihop tabeller över en sidbrytning.
Senast uppdaterad:
Anropa från kod
Varje verktyg på webbplatsen är ett vanligt REST-anrop. För anonym användning behövs varken konto eller API-nyckel. Lika mycket för AI-agenter och utvecklare som för webbläsaren.
curl -X POST "https://pdf123.xyz/api/v1/convert/pdf/csv" \
-F "[email protected]" \
-F "pageNumbers=all" \
-o output.pdfFinns också som MCP-verktyg för klienter som talar Model Context Protocol (JSON-RPC 2.0 via POST /mcp). Fullständig API-referens
Använd den från en AI-agent
SkillMed den här skillen kan Claude Code, Codex, Cursor och andra AI-agenter köra ”PDF till CSV” åt dig: /skills/pdf123-pdf-to-csv.md
Filerna används bara för den här körningen och raderas automatiskt efteråt.