Estrattore di tabelle PDF
Estraete tabelle da un PDF basato su testo e scaricatele come CSV. Lo strumento raggruppa il testo di ogni pagina in righe in base alla posizione, individua sequenze di righe con più colonne e allinea le celle in base alla loro posizione orizzontale. È un metodo euristico, quindi controllate il risultato, soprattutto per le tabelle con celle unite o testo su più righe.
Domande frequenti
Come vengono rilevate le tabelle?
Il testo sulla stessa linea di base forma una riga e uno spazio superiore a circa 0,8 volte l'altezza del font avvia una nuova cella. Due o più righe consecutive con almeno due celle formano una tabella; le colonne sono definite dall'estensione orizzontale delle celle, quindi funzionano sia le colonne allineate a sinistra sia quelle allineate a destra.
Funziona sui PDF acquisiti tramite scansione?
No. Legge il livello di testo, quindi una pagina acquisita tramite scansione che ne è priva non contiene nulla da estrarre. Eseguite prima l'OCR e usate il risultato.
Cosa succede alle celle il cui contenuto va a capo su più righe?
Ogni riga di testo diventa una riga a sé, quindi una cella con testo su più righe produce una riga aggiuntiva con una sola colonna compilata. Anche le intestazioni che si estendono su più colonne possono unirle. Dopo l'esportazione, controllate queste righe in un foglio di calcolo.
Cosa ottengo se ci sono più tabelle?
Una sola tabella viene scaricata come file CSV. Più tabelle vengono scaricate come file ZIP contenente un file CSV per tabella, denominato page-1-table-1.csv e così via. I valori vengono racchiusi tra virgolette se contengono il delimitatore, virgolette o interruzioni di riga, e le righe terminano con CRLF.
Posso limitare il numero di pagine?
Sì. Inserite le pagine nel formato 1-3,5 per leggere solo quelle oppure lasciate il campo vuoto per includerle tutte.
Quali sono i limiti?
PDF fino a 10 MB e 200 pagine, fino a 200 tabelle, 20,000 righe in totale e 100 colonne per tabella.