Tabeludtrækker til PDF
Hent tabeller ud af en tekstbaseret PDF, og download dem som CSV. Værktøjet grupperer teksten på hver side i linjer efter placering, finder sekvenser af linjer med flere kolonner og justerer cellerne efter deres vandrette placering. Det er en heuristik, så kontrollér resultatet, især for tabeller med sammenflettede celler eller tekst, der går over flere linjer.
Ofte stillede spørgsmål
Hvordan registreres tabeller?
Tekst på samme grundlinje udgør en linje, og et mellemrum, der er bredere end cirka 0.8 gange skrifthøjden, starter en ny celle. To eller flere på hinanden følgende linjer med mindst to celler udgør en tabel, og kolonnerne bestemmes ud fra cellernes vandrette udstrækning, så både venstre- og højrejusterede kolonner fungerer.
Virker det med scannede PDF-filer?
Nej. Værktøjet læser tekstlaget, så en scannet side uden et tekstlag har intet, der kan udtrækkes. Kør først OCR, og brug resultatet.
Hvad sker der med celler, der går over flere linjer?
Hver tekstlinje bliver sin egen række, så en celle, der går over flere linjer, giver en ekstra række, hvor kun den pågældende kolonne er udfyldt. Overskrifter, der spænder over flere kolonner, kan også sammenflette kolonner. Kontrollér disse rækker i et regneark efter eksporten.
Hvad får jeg, når der er flere tabeller?
Én tabel downloades som en CSV-fil. Flere tabeller downloades som en ZIP-fil med én CSV pr. tabel, navngivet page-1-table-1.csv osv. Værdier sættes i anførselstegn, når de indeholder afgrænseren, anførselstegn eller linjeskift, og linjer afsluttes med CRLF.
Kan jeg begrænse antallet af sider?
Ja. Angiv sider som 1-3,5 for kun at læse disse sider, eller lad feltet være tomt for at læse alle sider.
Hvad er grænserne?
PDF-filer på op til 10 MB og 200 sider, op til 200 tabeller, 20,000 rækker i alt og 100 kolonner pr. tabel.