Wyodrębnianie tabel z PDF

Nasz ekstraktor wykorzystuje inteligentne algorytmy do wykrywania struktur tabel w dokumentach PDF. Automatycznie identyfikuje wiersze, kolumny, granice komórek i scalone komórki. Zarówno tabele z ramkami, jak i bezramkowe tabele z wyrównaniem kolumn są rozpoznawane i dokładnie ekstraktowane.

Tabele są ekstraktowane i zapisywane jako pliki Excel (XLSX), zachowując strukturę wierszy i kolumn. Każda wykryta tabela staje się arkuszem roboczym, co ułatwia pracę z danymi w Excelu, Google Sheets lub dowolnej aplikacji arkuszowej. Możesz również eksportować do formatu CSV.

Tak, ekstraktor obsługuje scalone komórki, nagłówki wielowierszowe, zagnieżdżone tabele i złożone układy. Zachowuje logiczną strukturę tabeli, w tym zakresy kolumn i wierszy, dzięki czemu wyodrębnione dane zachowują swoją oryginalną organizację w wyjściowym arkuszu kalkulacyjnym.

Liczby są wyodrębniane z ich oryginalną precyzją i formatowaniem. Symbole walutowe, procenty i wartości dziesiętne są zachowywane. Jednak ponieważ PDF-y nie zawierają żywych formuł, tylko wyświetlane wartości są wyodrębniane. Możesz dodać własne formuły w Excelu po ekstrakcji.

W przypadku zeskanowanych plików PDF ekstraktor używa OCR, aby najpierw rozpoznać tekst, a następnie identyfikuje struktury tabel. Dokładność zależy od jakości skanowania — tabele o wysokiej rozdzielczości i wyraźnie wydrukowane dają najlepsze wyniki. Bardzo przekrzywione skany lub ręcznie pisane tabele mogą nie być dokładnie wyodrębniane.

Nie ma limitu liczby tabel wyodrębnionych. Narzędzie skanuje każdą stronę i identyfikuje wszystkie struktury tabel. Dokumenty z dziesiątkami tabel — takie jak raporty finansowe, prace badawcze lub katalogi danych — są w pełni obsługiwane. Każda tabela jest umieszczana w osobnym arkuszu roboczym.

Ekstraktor może wykrywać tabele, które rozciągają się przez podziały stron i łączyć je w jedną ciągłą tabelę w wyjściu. Nagłówki, które powtarzają się na każdej stronie, są obsługiwane inteligentnie, aby uniknąć duplikacji w wyodrębnionych danych.

Dla dobrze zorganizowanych tabel z wyraźnymi ramkami dokładność wynosi zazwyczaj 98-100%. Tabele bez ramek z konsekwentnym wyrównaniem kolumn również wyodrębniają się bardzo dobrze. Złożone układy z nieregularnym odstępem lub osadzonymi grafikami mogą czasami wymagać drobnych ręcznych poprawek w wyjściowym arkuszu kalkulacyjnym.