PDF tabelluttrekker

Vår uttrekker bruker intelligente algoritmer for å oppdage tabellstrukturer i PDF-dokumenter. Den identifiserer rader, kolonner, cellegrenser, og sammenføyde celler automatisk. Både kantede tabeller og kantløse tabeller med kolonnejustering gjenkjennes og hentes ut nøyaktig.

Tabeller blir trukket ut og lagret som Excel (XLSX) filer, og bevarer rad- og kolonnestrukturen. Hver oppdagede tabell blir et regneark, noe som gjør det enkelt å jobbe med dataene i Excel, Google Sheets eller hvilken som helst regnearkapplikasjon. Du kan også eksportere til CSV-format.

Ja, ekstraktoren håndterer sammenslåtte celler, fleradede overskrifter, nestede tabeller og komplekse oppsett. Den bevarer den logiske strukturen til tabellen, inkludert kolonne- og radspenn, slik at de utdragne dataene opprettholder sin opprinnelige organisering i regnearkutdataene.

Tall blir utdraget med sin originale presisjon og formatering. Valutasymboler, prosentandeler og desimalverdier bevares. Men siden PDF-er ikke inneholder levende formler, er det kun de viste verdiene som blir utdraget. Du kan legge til dine egne formler i Excel etter uttaket.

For skannede PDF-er bruker uttrekkeren OCR for først å gjenkjenne teksten, deretter identifiserer tabellstrukturer. Nøyaktigheten avhenger av skannekvaliteten — høyoppløselige, klart trykte tabeller gir de beste resultatene. Svært skjeve skanninger eller håndskrevne tabeller kan ikke bli uttrekket nøyaktig.

Det er ingen grense for antall tabeller som hentes. Verktøyet skanner hver side og identifiserer alle tabellstrukturer. Dokumenter med dusinvis av tabeller — som finansrapporter, forskningsartikler eller datakataloger — er fullt støttet. Hver tabell plasseres i et eget regneark.

Ekstraktoren kan oppdage tabeller som fortsetter over sideskille og slå dem sammen til en enkelt kontinuerlig tabell i utgangen. Overskrifter som gjentar seg på hver side håndteres intelligent for å unngå duplisering i de utdragne dataene.

For godt strukturerte tabeller med klare grenser er nøyaktigheten vanligvis 98-100%. Grensefrie tabeller med konsekvent kolonnejustering trekker også ut veldig bra. Komplekse oppsett med uregelmessig mellomrom eller innebygde grafikker kan av og til trenge mindre manuelle justeringer i utdata-regnearket.