Как пользоваться
- Выберите PDF-файл.
- Укажите страницу с таблицей.
- Проверьте найденные таблицы и текст вне их.
- Скачайте одну таблицу в CSV или все сразу в Excel (лист на таблицу, объединённые ячейки сохраняются).
Если скопировать таблицу из PDF и вставить её, чаще всего получается одна длинная строка текста. Этот инструмент переводит таблицы из PDF в Excel или CSV, читая текст и линии таблицы, сохранённые внутри PDF, поэтому строки, столбцы и объединённые ячейки возвращаются как настоящая таблица. Он подходит для счетов, коммерческих предложений, прайс-листов, расписаний и отчётов, сохранённых в PDF из Word, Excel и других офисных программ.
PDF открывается с помощью pdf.js 4.10.38, по одной странице. Группа соприкасающихся линий считается таблицей, если в ней не меньше двух горизонтальных и двух вертикальных линий; очень тонкие залитые прямоугольники (меньше 3 px) тоже считаются линиями, потому что Excel так рисует границы, а белые заливки игнорируются. Если между двумя ячейками нет границы, они объединяются; связанные области не прямоугольной формы не объединяются, и об этом выводится предупреждение. Текст вне таблиц показывается отдельно, номера страниц вида «3 / 10» внизу убираются.
Одну таблицу можно скачать в CSV (RFC 4180, CRLF, UTF-8 с BOM, чтобы Excel открыл её правильно), все таблицы — одним файлом .xlsx, по листу на таблицу, с сохранением объединений. Значения ячеек остаются текстом из PDF, так что числа приходят как текст. Сканированные PDF не содержат текста и линий, поэтому не конвертируются; таблицы без линий не распознаются. Изображения и заливка ячеек не переносятся. Файл обрабатывается в браузере и никуда не загружается.