Видобувач таблиць із PDF
Витягуйте таблиці з PDF із текстовим шаром і завантажуйте їх у форматі CSV. Інструмент групує текст кожної сторінки в рядки за розташуванням, знаходить послідовності рядків із кількома стовпцями та вирівнює комірки за горизонтальним положенням. Це евристичний метод, тож перевіряйте результат, особливо для таблиць з об’єднаними комірками або перенесеним текстом.
Поширені запитання
Як виявляються таблиці?
Текст на одній базовій лінії утворює рядок, а проміжок, ширший приблизно за 0,8 висоти шрифту, позначає початок нової комірки. Два або більше послідовних рядків щонайменше з двома комірками утворюють таблицю. Стовпці визначаються за горизонтальними межами комірок, тож працюють і вирівняні ліворуч, і вирівняні праворуч стовпці.
Чи працює інструмент зі сканованими PDF?
Ні. Інструмент зчитує текстовий шар, тож зі сканованої сторінки без нього нічого витягти не можна. Спершу виконайте OCR і скористайтеся результатом.
Що відбувається з комірками, текст у яких переноситься на кілька рядків?
Кожен рядок тексту стає окремим рядком таблиці, тож комірка з перенесеним текстом створює додатковий рядок, заповнений лише в цьому стовпці. Заголовки, що охоплюють кілька стовпців, також можуть об’єднати стовпці. Перевірте ці рядки в електронній таблиці після експорту.
Що буде, якщо знайдено кілька таблиць?
Одна таблиця завантажується як файл CSV. Кілька таблиць завантажуються як ZIP-файл, що містить по одному файлу CSV на таблицю з назвами page-1-table-1.csv тощо. Значення беруться в лапки, якщо містять роздільник, лапки або розриви рядків; рядки завершуються CRLF.
Чи можна обмежити кількість сторінок?
Так. Укажіть сторінки, наприклад 1-3,5, щоб зчитати лише їх, або залиште поле порожнім, щоб обробити всі сторінки.
Які є обмеження?
PDF-файли розміром до 10 MB і 200 сторінок; до 200 таблиць, загалом 20,000 рядків і 100 стовпців у кожній таблиці.