PDF-táblázatkinyerő
Nyerje ki a szöveges PDF-ek táblázatait, és töltse le őket CSV formátumban. Az eszköz az egyes oldalak szövegét a pozíciójuk alapján sorokba rendezi, megkeresi a több oszlopos sorokból álló szakaszokat, majd vízszintes pozíciójuk alapján egymáshoz igazítja a cellákat. Ez egy heurisztikus módszer, ezért ellenőrizze az eredményt, különösen egyesített cellákat vagy több sorba tördelődő szöveget tartalmazó táblázatoknál.
Gyakran ismételt kérdések
Hogyan ismeri fel a táblázatokat?
Az azonos alapvonalon lévő szövegből sor lesz, és nagyjából a betűmagasság 0,8-szeresénél nagyobb távolság új cellát indít. Két vagy több, legalább két cellát tartalmazó, egymást követő sorból táblázat lesz. Az oszlopokat a cellák vízszintes kiterjedése határozza meg, ezért a balra és jobbra igazított oszlopok is megfelelően működnek.
Beolvasott PDF-ekkel is működik?
Nem. A szövegréteget olvassa be, ezért szövegréteg nélküli beolvasott oldalról nincs mit kinyerni. Először futtasson OCR-t, majd használja az eredményt.
Mi történik, ha egy cella szövege több sorba tördelődik?
Minden szövegsorból külön sor lesz, így a több sorba tördelődő cella egy új, csak a megfelelő oszlopot kitöltő sort eredményez. A több oszlopon átívelő címsorok is egyesíthetnek oszlopokat. Exportálás után ellenőrizze ezeket a sorokat egy táblázatkezelőben.
Mi történik, ha több táblázat van?
Egy táblázatot CSV fájlként tölthet le. Több táblázat esetén ZIP-fájlt tölthet le, amely táblázatonként egy-egy CSV fájlt tartalmaz; a fájlok neve page-1-table-1.csv, és így tovább. Az értékeket idézőjelek veszik körül, ha az elválasztó, idézőjel vagy sortörés szerepel bennük, a sorok pedig CRLF-fel végződnek.
Korlátozhatom a feldolgozandó oldalakat?
Igen. Adja meg például a 1-3,5 értéket a megadott oldalak beolvasásához, vagy hagyja üresen a mezőt az összes oldal feldolgozásához.
Mik a korlátozások?
Legfeljebb 10 MB-os és 200 oldalas PDF-ek, legfeljebb 200 táblázat, összesen 20,000 sor és táblázatonként 100 oszlop.