Trích bảng từ PDF ra CSV
PDF sang CSV tìm các hàng bảng thẳng cột trong chữ của PDF và ghi mỗi bảng tìm được thành một tệp CSV; nhiều bảng được trả về trong ZIP. Cần có lớp chữ, và không cho ra gì với văn xuôi hay bản quét.
Kéo tệp vào đây, hoặc nhấp để chọn
Nhận PDF · tối đa 500.0 MB mỗi tệp · tối đa 20 tệp mỗi lần
Bạn cũng có thể dán tệp bằng Ctrl/Cmd+V hoặc từ menu clipboard.
PDF sang CSV chạy `pdftotext -layout`, tìm những dòng có hai khoảng trắng liên tiếp trở lên rồi ghi các dòng đó thành CSV. Mỗi bảng phát hiện được trở thành một tệp riêng tên `{base}_pN_tM.csv`. Dùng cho PDF điện tử có cột đã thẳng hàng trong phần chữ trích ra.
Một bảng cần ít nhất hai dòng liên tiếp trông như bảng. Văn xuôi, một dòng tiêu đề đơn lẻ, hay bản quét không có lớp chữ đều cho `no_content`: HTTP 204 và không có tệp. Kết quả trống đó là cố ý, không phải thất bại im lặng.
Một bảng thành một lượt tải `text/csv`. Nhiều bảng được gói thành một ZIP tên `{base}_extracted.zip`. Trường `pageNumbers` trên trang này bị bỏ qua; mọi trang đều được quét.
Đây không phải OCR. Bản quét chỉ có hình thì không có gì cho `pdftotext` đọc. OCR trên trang này trả về Markdown, không thể gửi ngược vào đây. Cột được cắt tại các chuỗi hai khoảng trắng trở lên; một khoảng trắng đơn trong ô vẫn nằm trong ô. Giá trị được đặt trong dấu ngoặc kép theo RFC 4180.
PDF sang Excel dùng cùng một heuristic bố cục. Excel giữ các bảng đó thành các trang tính trong một bảng tính. CSV ghi một tệp cho mỗi bảng. Cả hai đều không dựng lại ô gộp, tiêu đề màu hay trang tính ẩn từ PDF.
Mở tệp tải về trong bảng tính và kiểm tra việc cắt cột trên vài dòng. Những bảng chật, không có khe hai khoảng trắng thường rơi hết vào một cột. Tệp có mật khẩu được mở khóa cho bạn ngay trên trang này khi bạn nhập mật khẩu; người gọi API phải chạy Gỡ mật khẩu trước.
Heuristic hai khoảng trắng là điểm mấu chốt. Bộ chuyển đổi không mô phỏng ranh giới ô như mắt người thấy: nó coi mọi chuỗi hai khoảng trắng trở lên trong phần chữ giữ nguyên bố cục là một lần ngắt cột. Cách này hiệu quả với bảng do trình tạo báo cáo tạo ra, nơi các ô được đệm về một độ rộng cố định, và thất bại với bảng chỉ cách nhau một khoảng trắng hoặc dùng phông chữ tỉ lệ khiến các cột chỉ cách nhau một khoảng trắng.
Số, ngày tháng và mã định danh được ghi dưới dạng chữ, không phải giá trị bảng tính có kiểu. Một cột số vào CSV dưới dạng chuỗi tình cờ chứa chữ số, nên số 0 ở đầu được giữ nguyên và ngày tháng giữ đúng định dạng PDF dùng. Nếu cần tính toán hay sắp xếp theo ngày, hãy chuyển kiểu trong bảng tính sau khi nhập.
Bảng quá rộng hoặc quá dài có thể bị ngắt giữa các trang PDF, và mỗi trang được quét độc lập. Một bảng tiếp sang trang 2 trở thành tệp `{base}_pN_tM.csv` thứ hai. Bạn nhận được mọi mảnh, nhưng phải tự nối chúng lại; công cụ không khâu bảng xuyên qua chỗ ngắt trang.
Dấu phân cách cố định là dấu phẩy và việc đặt ngoặc kép theo RFC 4180, nên ô chứa dấu phẩy được bọc trong ngoặc kép. Không có tùy chọn xuất dấu chấm phẩy hay tab. Nếu cài đặt vùng của bảng tính mong đợi dấu chấm phẩy, hãy nhập bằng cách chọn rõ dấu phẩy làm dấu phân cách thay vì nháy đúp vào tệp.
Khi CSV trống, bước đầu hợp lý là kiểm tra xem chữ trong PDF có thực sự chọn được không. Mở tệp và thử bôi đen một dòng. Nếu không bôi được gì, tệp là bản quét và sẽ không bao giờ ra CSV; OCR sang Markdown là công cụ ít nhất cho bạn các từ, dù không thành cột.
Tính năng
- `pdftotext -layout` cùng heuristic tách cột bằng hai khoảng trắng
- Một CSV cho mỗi bảng, hoặc một ZIP khi có nhiều bảng
- Không phát hiện được thì trả HTTP 204; không phải OCR
- Giá trị là chữ theo RFC 4180; không suy luận kiểu hay chọn dấu phân cách
- API ẩn danh tại /api/v1/convert/pdf/csv
Khi nào nên dùng
- Kéo bảng hóa đơn điện tử vào bảng tính
- Giữ bảng của nhiều trang thành các tệp CSV riêng
- Đưa bảng PDF đã thẳng bố cục cho script mong đợi CSV
- Trích bảng giá từ báo cáo tài chính có độ rộng cố định
Làm thế nào để trích bảng từ PDF ra CSV?
- Tải lên PDF đã có chữ chọn được và các cột xếp như bảng.
- Nhấp Xử lý. Bộ chuyển đổi không đọc trường phạm vi trang.
- Nếu tìm thấy một bảng, tải `.csv`. Nếu nhiều bảng, tải ZIP. Nếu không có bảng nào, bạn nhận thông báo thành công rỗng.
- Mở CSV và kiểm tra việc cắt cột. PDF chỉ có văn xuôi sẽ không tạo ra tệp.
Giới hạn và ngoại lệ
- Cần chữ chọn được và khe hai khoảng trắng giữa các cột
- Không OCR và không có điều khiển phạm vi trang hoạt động
- Ô gộp và định dạng không được dựng lại
- Mọi giá trị là chữ không kiểu; không chọn được dấu phân cách
- Bảng trải qua nhiều trang đến dưới dạng các mảnh riêng
- Giới hạn tải lên trên trang web này: 500 MB mỗi tệp, tệp lớn hơn khoảng 95 MB được gửi theo từng phần. Một yêu cầu API trực tiếp bị giới hạn ở 100 MB.
Ví dụ
- PDF chữ có bảng giá ba cột thường thành một CSV gồm các cột đó
- Sao kê ngân hàng quét không có lớp chữ trả HTTP 204
- Báo cáo năm trang, mỗi trang một bảng, tạo ra ZIP gồm năm tệp CSV
Quyền riêng tư của công cụ này
Tệp được tải lên qua HTTPS, xử lý trong bộ nhớ hoặc thư mục tạm ngắn hạn trên máy chủ của chúng tôi, rồi bị xóa khi kết quả sẵn sàng. Chúng tôi không giữ bản sao để xem lại sau, huấn luyện mô hình hay lập hồ sơ quảng cáo. Thời hạn lưu giữ và cookie AdSense nằm trong Chính sách quyền riêng tư.
Câu hỏi thường gặp
- Vì sao tôi không nhận được CSV?
- Không tìm thấy khối từ hai dòng bảng liên tiếp trở lên. Bản quét, văn xuôi và bảng không có khe hai khoảng trắng đều làm heuristic này thất bại. API trả 204 `no_content`.
- Tôi có thể OCR trước rồi chuyển sang CSV không?
- Không. OCR trả về Markdown. Công cụ này chỉ đọc PDF qua pdftotext.
- Khác gì so với PDF sang Excel?
- Cùng cách phát hiện. CSV ghi một tệp cho mỗi bảng (một CSV, hoặc ZIP khi có nhiều bảng). Excel đặt mỗi bảng vào trang tính riêng trong cùng một bảng tính.
- Danh sách trang trên biểu mẫu này có tác dụng gì không?
- Không. pdftotext chia trang tại chỗ ngắt trang và mọi trang đều được quét. Không có tham số phạm vi trang.
- Vì sao mọi cột đều rơi vào một ô?
- PDF chỉ đặt một khoảng trắng giữa các cột, nên quy tắc hai khoảng trắng không bao giờ kích hoạt. Hãy thử xuất lại nguồn với cột có độ rộng cố định, hoặc dùng OCR sang Markdown rồi tự tách chữ.
- Số có được nhập dưới dạng số không?
- Không. Mọi giá trị đều là chữ thuần. Số 0 ở đầu được giữ và ngày tháng giữ định dạng của PDF. Hãy chuyển kiểu trong bảng tính sau khi nhập nếu cần sắp xếp hay tính toán.
- Điều gì xảy ra với bảng trải qua hai trang?
- Mỗi trang được quét riêng, nên bảng dài tạo ra nhiều mảnh CSV. Bạn tự nối chúng lại; công cụ không gộp bảng xuyên qua chỗ ngắt trang.
Cập nhật lần cuối:
Gọi bằng mã
Mỗi công cụ trên trang là một API REST thông thường. Dùng ẩn danh không cần tài khoản hay API key. Trình duyệt, lập trình viên và agent đều gọi được.
curl -X POST "https://pdf123.xyz/api/v1/convert/pdf/csv" \
-F "[email protected]" \
-F "pageNumbers=all" \
-o output.pdfCũng có dạng công cụ MCP cho client dùng Model Context Protocol (JSON-RPC 2.0, POST /mcp). Tài liệu API đầy đủ
Dùng từ AI agent
SkillVới skill này, Claude Code, Codex, Cursor và các AI agent khác có thể chạy "PDF sang CSV" thay bạn: /skills/pdf123-pdf-to-csv.md
Tệp chỉ dùng cho lần xử lý này, xong là tự xóa.