PDF-tabellextraktor

Vår extraktor använder intelligenta algoritmer för att upptäcka tabellstrukturer inom PDF-dokument. Den identifierar automatiskt rader, kolumner, cellgränser och sammanslagna celler. Både kantade tabeller och kantfria tabeller med kolumnjusteringar kännetecknas och extraheras noggrant.

Tabeller extraheras och sparas som Excel (XLSX) filer, vilket bevarar rad- och kolumnstrukturen. Varje upptäckt tabell blir ett arbetsblad, vilket gör det enkelt att arbeta med data i Excel, Google Sheets eller vilket kalkylprogram som helst. Du kan också exportera till CSV-format.

Ja, extraktorn hanterar sammanslagna celler, flerradiga rubriker, nästlade tabeller och komplexa layouter. Den bevarar den logiska strukturen av tabellen, inklusive kolumn- och radräckor, så att den extraherade datan behåller sin ursprungliga organisation i kalkylbladsutdata.

Nummer extraheras med sin ursprungliga precision och formatering. Valutasymboler, procent och decimalvärden bevaras. Men eftersom PDF-filer inte innehåller levande formler, extraheras endast de visade värdena. Du kan lägga till dina egna formler i Excel efter utvinning.

För skannade PDF:er använder extraktorn OCR för att först känna igen texten, och identifierar sedan tabellstrukturer. Noggrannheten beror på skanningskvalitet — högupplösta, tydligt tryckta tabeller ger de bästa resultaten. Mycket snedvridna skanningar eller handskrivna tabeller kanske inte extraheras korrekt.

Det finns ingen gräns för antalet tabeller som extraheras. Verktyget skannar varje sida och identifierar alla tabellstrukturer. Dokument med dussintals tabeller — som finansiella rapporter, forskningspapper eller datakataloger — stöds fullt ut. Varje tabell placeras i ett separat kalkylblad.

Extraktorn kan upptäcka tabeller som fortsätter över sidbrytningar och slå samman dem till en enda kontinuerlig tabell i utdata. Rubriker som upprepas på varje sida hanteras intelligent för att undvika duplicering i de extraherade data.

För välstrukturerade tabeller med tydliga gränser är noggrannheten vanligtvis 98-100%. Gränslösa tabeller med konsekvent kolumnjustering extraheras också mycket bra. Komplexa layouter med oregelbundet avstånd eller inbäddad grafik kan ibland behöva mindre manuella justeringar i den utdata kalkylblad.