نحوه استفاده
- یک PDF دارای جدول انتخاب کنید یا بکشید و رها کنید.
- یکی از گزینه‌های «یک کاربرگ برای هر صفحه» یا «همه صفحات در یک کاربرگ» را انتخاب کنید.
- گزینه «ذخیره اعداد به‌صورت عدد» را روشن نگه دارید و اگر تشخیص جداکننده اعشار اشتباه بود، آن را دستی تنظیم کنید.
- روی «تبدیل به اکسل» بزنید، پیش‌نمایش را بررسی کنید و فایل XLSX را دانلود کنید.
نحوه کار
ابزار هر قطعه متن و موقعیت آن را با pdf.js می‌خواند. قطعه‌های روی یک خط مبنا یک ردیف را می‌سازند؛ یک فاصله افقی عریض، ردیف را به سلول‌ها تقسیم می‌کند. موقعیت ستون‌ها از ردیف‌هایی به دست می‌آید که متداول‌ترین تعداد سلول را دارند، بنابراین عنوان یا یادداشتی که در سراسر جدول امتداد دارد ستون‌ها را ادغام نمی‌کند. سپس هر سلول در ستونی قرار می‌گیرد که با آن هم‌پوشانی دارد. یک فاصله عمودی بزرگ به یک ردیف خالی تبدیل می‌شود و جدول‌های جداگانه را جدا نگه می‌دارد.
با فعال بودن «ذخیره اعداد به‌صورت عدد»، مقادیری مانند 1,234.56، (450.00)، -12٪، € 99 یا 1.234,56 به سلول‌های عددی تبدیل می‌شوند که می‌توانید آن‌ها را جمع بزنید، با قالب عددی که اعشار آن‌ها را حفظ می‌کند. مقادیری که اطلاعاتشان از دست می‌رود به‌صورت متن باقی می‌مانند: اعداد با صفرهای ابتدایی (شناسه‌ها، کدهای پستی)، اعداد بیش از ۱۵ رقم (شماره حساب‌ها) و تاریخ‌ها. نمادهای ارز از سلول‌های عددی حذف می‌شوند.
این روش برای PDFهایی که توسط نرم‌افزار ساخته شده‌اند بهترین عملکرد را دارد (صورتحساب بانکی، فاکتورها، گزارش‌های خروجی‌گرفته‌شده). PDFهای اسکن‌شده حاوی متن نیستند. سلول‌های ادغام‌شده، سلول‌های چندخطی و جدول‌هایی که بدون فاصله رسم شده‌اند تقریبی هستند؛ بنابراین پیش از اتکا به نتیجه، آن را بررسی کنید. کارپوشه با کتابخانه متن‌باز exceljs نوشته می‌شود.
نمونه‌ها
صورتحساب بانکی
یک صورتحساب ۳ صفحه‌ای با ستون‌های تاریخ، شرح، مبلغ و مانده به سه کاربرگ تبدیل می‌شود. مبالغی مانند -1.250,00 به‌عنوان اعداد با اعشار کاما شناسایی می‌شوند؛ بنابراین می‌توانید بلافاصله آن‌ها را در اکسل جمع بزنید.
فهرست قیمت تأمین‌کننده
یک فهرست قیمت ۲۰ صفحه‌ای که با گزینه «همه صفحات در یک کاربرگ» تبدیل شود، یک جدول بلند می‌دهد که می‌توانید فیلتر و مرتب کنید؛ سرصفحه‌های تکراری هر صفحه به‌صورت ردیف‌های عادی ظاهر می‌شوند و می‌توانید حذفشان کنید.
پرسش‌های متداول
چرا بعضی مقادیر در ستون اشتباه قرار می‌گیرند؟
PDF جدول واقعی ندارد و فقط متن در موقعیت‌ها قرار دارد. وقتی یک سلول خیلی عریض باشد، وسط‌چین روی چند ستون باشد یا در دو خط شکسته شود، موقعیتش ممکن است با ستون دیگری مطابقت کند. آن سلول‌ها را در اکسل جابه‌جا کنید یا گزینه دیگر کاربرگ را امتحان کنید.
چرا یک عدد به‌صورت متن ذخیره می‌شود؟
مقادیری که صفر ابتدایی دارند، بیش از ۱۵ رقم دارند، جداکننده غیرعادی یا کلمات اضافه دارند به‌صورت متن نگه داشته می‌شوند تا چیزی از دست نرود. اگر همه اعداد اشتباه بودند، جداکننده اعشار را دستی تنظیم کنید.
آیا با PDFهای اسکن‌شده کار می‌کند؟
خیر. صفحات اسکن‌شده تصویر هستند و متنی ندارند. ابتدا آن‌ها را با OCR بخوانید؛ ابزار OCR Image to Text روی تصاویر صفحاتی که با ابزار PDF to JPG استخراج کرده‌اید کار می‌کند.
آیا قالب‌بندی، رنگ‌ها و حاشیه‌ها حفظ می‌شوند؟
خیر. کارپوشه فقط شامل مقادیر سلول‌ها با قالب‌های عددی است. فونت‌ها، رنگ‌ها، حاشیه‌ها و سلول‌های ادغام‌شده از PDF منتقل نمی‌شوند.
حریم خصوصی
PDF خوانده می‌شود و فایل اکسل با جاوااسکریپت در مرورگر شما ساخته می‌شود. هیچ چیزی بارگذاری یا ذخیره نمی‌شود و محتوای فایل‌ها در تحلیل‌ها گنجانده نمی‌شود؛ فقط یک رویداد ناشناس مبنی بر استفاده از ابزار شمارش می‌شود.