PDF-tabeludtrækker

Vores ekstraktor bruger intelligente algoritmer til at opdage tabelstrukturer i PDF-dokumenter. Den identificerer automatisk rækker, kolonner, cellegrænser og sammenlagte celler. Både tabel med grænser og grænseløse tabeller med kolonnejustering genkendes og udtrækkes præcist.

Tabeller udtrækkes og gemmes som Excel (XLSX) filer, hvilket bevarer række- og kolonnestrukturen. Hver opdaget tabel bliver et regneark, hvilket gør det nemt at arbejde med dataene i Excel, Google Sheets eller enhver regnearksapplikation. Du kan også eksportere til CSV-format.

Ja, extractor'en håndterer sammenlagte celler, multi-række overskrifter, indlejrede tabeller og komplekse layout. Den bevarer den logiske struktur af tabellen, herunder kolonne- og rækkeudstræk, så de udtrukne data bevarer deres oprindelige organisation i regnearksoutputtet.

Numre udtrækkes med deres oprindelige præcision og formatering. Valutasymboler, procenter og decimalværdier bevares. Dog, da PDF'er ikke indeholder levende formler, udtrækkes kun de viste værdier. Du kan tilføje dine egne formler i Excel efter udtrækning.

For scannede PDF'er bruger udtrækkeren OCR til først at genkende teksten, derefter identificerer den tabelstrukturer. Nøjagtigheden afhænger af scanningskvaliteten — højopløste, klart trykte tabeller giver de bedste resultater. Meget skæve scanninger eller håndskrevne tabeller kan muligvis ikke udtrækkes nøjagtigt.

Der er ingen grænse for antallet af tabeller, der kan udvindes. Værktøjet scanner hver side og identificerer alle tabelstrukturer. Dokumenter med dusinvis af tabeller — som finansielle rapporter, forskningspapirer eller datakataloger — understøttes fuldt ud. Hver tabel placeres i et separat regneark.

Ekstraktoren kan registrere tabeller, der fortsætter over sideskift, og flette dem til en enkelt kontinuerlig tabel i output. Overskrifter, der gentages på hver side, håndteres intelligent for at undgå duplikering i de udtrukne data.

For velstrukturerede tabeller med klare grænser er nøjagtigheden typisk 98-100%. Grænseløse tabeller med ensartet kolonnejustering udtrækkes også meget godt. Komplekse layouts med uregelmæssig afstand eller indlejrede grafik kan lejlighedsvis kræve mindre manuelle justeringer i output-regnearket.