PDF-tabellutdragare
Hämta tabeller från en textbaserad PDF och ladda ned dem som CSV. Verktyget grupperar texten på varje sida i rader utifrån position, hittar följder av rader med flera kolumner och justerar cellerna efter deras horisontella position. Det är en heuristisk metod, så kontrollera resultatet, särskilt för tabeller med sammanslagna celler eller radbruten text.
Vanliga frågor
Hur identifieras tabeller?
Text på samma baslinje bildar en rad, och ett mellanrum som är större än ungefär 0,8 gånger teckenhöjden inleder en ny cell. Två eller fler rader i följd med minst två celler bildar en tabell. Kolumnernas placering bestäms av cellernas horisontella utbredning, så det fungerar med både vänster- och högerjusterade kolumner.
Fungerar det med skannade PDF-filer?
Nej. Verktyget läser textlagret, så en skannad sida utan textlager innehåller inget att extrahera. OCR-behandla den först och använd resultatet.
Vad händer med celler vars innehåll bryts över flera rader?
Varje textrad blir en egen rad, så en cell vars innehåll bryts över flera rader skapar en extra rad där endast den kolumnen är ifylld. Rubriker som sträcker sig över flera kolumner kan också slå ihop kolumner. Kontrollera dessa rader i ett kalkylblad efter exporten.
Vad får jag om det finns flera tabeller?
En tabell laddas ned som en CSV-fil. Flera tabeller laddas ned som en ZIP-fil med en CSV per tabell, med namn som page-1-table-1.csv och så vidare. Värden omges av citattecken om de innehåller avgränsaren, citattecken eller radbrytningar, och rader avslutas med CRLF.
Kan jag begränsa vilka sidor som läses?
Ja. Ange sidor som 1-3,5 för att bara läsa de sidorna, eller lämna fältet tomt för att läsa alla sidor.
Vilka är begränsningarna?
PDF-filer på upp till 10 MB och 200 sidor, högst 200 tabeller, 20,000 rader totalt och 100 kolumner per tabell.