Как пользоваться
- Выберите или перетащите PDF-файл с таблицами.
- Выберите «По одному листу на страницу» или «Все страницы на одном листе».
- Оставьте параметр «Сохранять числа как числа» включённым и при необходимости укажите десятичный разделитель, если автоматическое определение сработало неверно.
- Нажмите «Конвертировать в Excel», проверьте предпросмотр и скачайте файл XLSX.
Как это работает
Инструмент считывает каждый текстовый фрагмент и его позицию с помощью pdf.js. Фрагменты на одной базовой линии образуют строку; широкий горизонтальный разрыв разделяет строку на ячейки. Позиции столбцов определяются по строкам с наиболее частым числом ячеек, поэтому заголовок или примечание, идущие через всю таблицу, не объединяют столбцы. Затем каждая ячейка помещается в столбец, с которым пересекается. Большой вертикальный разрыв становится пустой строкой и разделяет отдельные таблицы.
При включённой опции «Сохранять числа как числа» такие значения, как 1,234.56, (450.00), -12 %, € 99 или 1.234,56, становятся числовыми ячейками, которые можно суммировать, с числовым форматом, сохраняющим десятичные знаки. Значения, которые при этом потеряли бы информацию, остаются текстом: числа с ведущими нулями (идентификаторы, почтовые индексы), числа длиннее 15 цифр (номера счетов) и даты. Символы валют из числовых ячеек удаляются.
Лучше всего это работает для PDF, созданных программами (банковские выписки, счета, экспортированные отчёты). В отсканированных PDF нет текста. Объединённые ячейки, многострочные ячейки и таблицы, нарисованные без разрывов, определяются приблизительно, поэтому проверяйте результат, прежде чем на него полагаться. Книга создаётся с помощью открытой библиотеки exceljs.
Примеры
Банковская выписка
Выписка на 3 страницах со столбцами «Дата», «Описание», «Сумма» и «Остаток» превращается в три листа. Суммы вида -1.250,00 распознаются как числа с десятичной запятой, поэтому их можно сразу суммировать в Excel.
Прайс-лист поставщика
Прайс-лист на 20 страницах, преобразованный в режиме «Все страницы на одном листе», даёт одну длинную таблицу, которую можно фильтровать и сортировать; повторяющиеся заголовки с каждой страницы отображаются как обычные строки, которые можно удалить.
Часто задаваемые вопросы
Почему некоторые значения оказываются не в том столбце?
В PDF нет настоящей таблицы, только текст, расположенный по координатам. Если ячейка очень широкая, отцентрирована по нескольким столбцам или переносится на две строки, её положение может быть отнесено к другому столбцу. Переместите такие ячейки в Excel или попробуйте другой вариант компоновки листа.
Почему число сохраняется как текст?
Значения с ведущими нулями, содержащие более 15 цифр, нестандартные разделители или лишние слова сохраняются как текст, чтобы ничего не потерять. Если все числа распознаны неверно, задайте десятичный разделитель вручную.
Работает ли инструмент со сканированными PDF?
Нет. Отсканированные страницы — это изображения без текста. Сначала распознайте их с помощью OCR; инструмент OCR Image to Text работает со страницами, экспортированными с помощью PDF to JPG.
Сохраняются ли форматирование, цвета и границы?
Нет. Книга содержит только значения ячеек с числовыми форматами. Шрифты, цвета, границы и объединённые ячейки из PDF не переносятся.
Конфиденциальность
PDF считывается, а файл Excel создаётся с помощью JavaScript в вашем браузере. Ничего не загружается и не сохраняется; содержимое файлов не используется в аналитике — учитывается только анонимное событие использования инструмента.