PDF Extraktor Tabulek

Náš extraktor používá inteligentní algoritmy k detekci struktur tabulek v PDF dokumentech. Automaticky identifikuje řádky, sloupce, hranice buněk a sloučené buňky. Jak tabulky s okraji, tak tabulky bez okrajů se správným zarovnáním sloupců jsou rozpoznány a přesně extrahovány.

Tabulky jsou extrahovány a uloženy jako Excel (XLSX) soubory, přičemž je zachována struktura řádků a sloupců. Každá detekovaná tabulka se stává pracovním listem, což usnadňuje práci s daty v Excelu, Google Sheets nebo jakékoli aplikaci pro tabulky. Můžete také exportovat do formátu CSV.

Ano, extraktor zpracovává sloučené buňky, vícerozměrné záhlaví, vnořené tabulky a složité rozvržení. Zachovává logickou strukturu tabulky, včetně rozšíření sloupců a řádků, takže extrahovaná data si udržují svou původní organizaci ve výstupu tabulky.

Čísla jsou extrahována s jejich původní přesností a formátováním. Měnové symboly, procenta a desetinné hodnoty jsou zachovány. Nicméně, protože PDF neobsahují živé vzorce, jsou extrahovány pouze zobrazené hodnoty. Po extrakci můžete přidat své vlastní vzorce v Excelu.

Pro skenovaná PDF používá extraktor nejprve OCR k rozpoznání textu, poté identifikuje struktury tabulek. Přesnost závisí na kvalitě skenování — vysoce kvalitní, čistě tištěné tabulky přinášejí nejlepší výsledky. Velmi zkosené skeny nebo ručně psané tabulky nemusí být přesně extrahovány.

Neexistuje žádný limit na počet tabulek, které mohou být extrahovány. Nástroj prohledává každou stránku a identifikuje všechny struktury tabulek. Dokumenty se desítkami tabulek — jako jsou finanční zprávy, výzkumné práce nebo datové katalogy — jsou plně podporovány. Každá tabulka je umístěna na samostatném listu.

Extraktor dokáže detekovat tabulky, které pokračují přes zalomení stránek, a sloučit je do jedné kontinuální tabulky ve výstupu. Hlavní, které se opakují na každé stránce, jsou inteligentně zpracovány, aby se předešlo duplicitě v extrahovaných datech.

Pro dobře strukturované tabulky s jasnými okraji je přesnost obvykle 98-100 %. Tabulky bez okrajů s konzistentním zarovnáním sloupců také velmi dobře extrahují. Složité rozložení s nepravidelným rozestupem nebo vloženou grafikou může občas vyžadovat drobné manuální úpravy ve výstupním tabulkovém procesoru.