Extractor de tabele PDF

Extractorul nostru folosește algoritmi inteligenți pentru a detecta structurile de tabel în documentele PDF. Identifică automat rândurile, coloanele, limitele celulelor și celulele fuzionate. Atât tabelele cu margini, cât și tabelele fără margini cu aliniere pe coloane sunt recunoscute și extrase cu acuratețe.

Tabelele sunt extrase și salvate ca fișiere Excel (XLSX), păstrând structura rândurilor și coloanelor. Fiecare tabel detectat devine o foaie de lucru, facilitând lucrul cu datele în Excel, Google Sheets sau orice aplicație de foi de calcul. De asemenea, poți exporta în format CSV.

Da, extractorul gestionează celulele fuzionate, antetele pe mai multe rânduri, tabelele imbricate și aspectele complexe. Păstrează structura logică a tabelului, inclusiv span-urile coloanelor și span-urile rândurilor, astfel încât datele extrase să își mențină organizarea originală în ieșirea foilor de calcul.

Numerele sunt extrase cu precizia și formatarea lor originală. Simbolurile de valută, procentele și valorile zecimale sunt păstrate. Cu toate acestea, deoarece PDF-urile nu conțin formule active, doar valorile afișate sunt extrase. Poți adăuga propriile formule în Excel după extracție.

Pentru PDF-uri scanate, extractorul folosește OCR pentru a recunoaște mai întâi textul, apoi identifică structurile tabelului. Precizia depinde de calitatea scanării — tabelele tipărite clar și de înaltă rezoluție oferă cele mai bune rezultate. Scanările foarte înclinate sau tabelele scrise de mână pot să nu fie extrase cu precizie.

Nu există limită pe numărul de tabele extrase. Instrumentul scanează fiecare pagină și identifică toate structurile de tabele. Documentele cu zeci de tabele — cum ar fi rapoartele financiare, lucrările de cercetare sau cataloagele de date — sunt complet acceptate. Fiecare tabel este plasat într-o foaie de lucru separată.

Extractorul poate detecta tabelele care continuă peste întreruperile de pagină și le poate combina într-un singur tabel continuu în ieșire. Antetele care se repetă pe fiecare pagină sunt gestionate inteligent pentru a evita duplicarea în datele extrase.

Pentru tabele bine structurate cu margini clare, precizia este de obicei de 98-100%. Tabelele fără margini cu aliniere consistentă a coloanelor se extrag de asemenea foarte bine. Layout-urile complexe cu spațiere neregulată sau grafice încorporate pot necesita ocazional ajustări minore manuale în foaia de calcul de ieșire.