Конвертировать PDF в CSV

Извлеките таблицы из PDF в CSV с нужным разделителем и кодировкой, чтобы файл без проблем открывался в любой системе импорта. Работает на нашем сервере, а файлы удаляются автоматически в течение примерно двух часов.

Перетащите файлы сюда

.pdf · до 300 МБ · до 30 задач в час · файл уходит на наш сервер и удаляется после обработки; результат стирается в течение примерно двух часов

Выберите файлы

АвтоLattice (таблицы с линиями)Stream (таблицы без границ)

Больше настроек

РазделительКодировкаКонцы строкСтраницыПервая строка — заголовокОбъединить таблицы с одинаковыми столбцамиМинимальная точность80%

Как извлечь в CSV

1
Загрузите PDF
Отчет, счет, выписка или любой документ с таблицами — до 300 МБ и 200 страниц.
2
Выберите разделитель и кодировку
Подберите то, что ждет инструмент импорта — база данных, скрипт или Google Sheets.
3
Скачайте файлы CSV
По умолчанию — один файл на таблицу, все вместе упакованы, если таблиц несколько.

Почему кодировка важнее, чем кажется

CSV — это обычный текст. А тексту нужна кодировка, иначе он ничего не значит: неверная кодировка превращает буквы с акцентами и кириллицу в нечитаемые символы, как только вы открываете файл. Здесь по умолчанию стоит UTF-8 с BOM, потому что Excel воспринимает обычный UTF-8 (без метки) как Windows-1252 и портит все, что выходит за пределы базового латинского алфавита. BOM однозначно говорит Excel, что дальше идет UTF-8. При этом доступны и обычный UTF-8 без BOM, и Windows-1251 — для тех инструментов, которые требуют именно их.

Lattice и Stream — тот же поиск таблиц, что и в PDF в Excel

Этот инструмент использует тот же механизм поиска таблиц, что и «PDF в Excel». Lattice читает таблицы с видимыми линиями сетки. Stream восстанавливает столбцы по выравниванию текста, когда линий нет. Auto сначала пробует Lattice, а при необходимости переключается на Stream. Для каждой найденной таблицы считается оценка точности, и таблицы ниже заданного вами порога не попадают в результат, а не экспортируются битыми строками.

Один файл на таблицу, архив ZIP, если таблиц больше одной

PDF с одной таблицей вернет вам один обычный CSV-файл. Несколько таблиц приходят как отдельные файлы внутри одного ZIP-архива. Они называются по номеру страницы и таблицы, так что ничего не склеивается без вашего ведома. Если включить объединение таблиц, то таблицы с одинаковым количеством столбцов склеиваются в один файл с единственной строкой заголовков — удобно для отчетов, где одна и та же таблица повторяется на нескольких страницах.

Обрабатывается на нашем сервере, удаляется автоматически

Поиск таблиц требует полноценного движка анализа макета, которого нет ни в одной браузерной библиотеке. Поэтому файл загружается на сервер для обработки. Загруженный файл удаляется сразу после обработки. Результат можно скачать в течение часа; с сервера он стирается автоматически в течение примерно двух часов, скачали вы его или нет. Аккаунт не нужен, ничего не придется чистить вручную.

Частые вопросы

Зачем нужен UTF-8 с BOM и почему он по умолчанию?

Excel открывает обычный файл UTF-8 без BOM как Windows-1252 и превращает буквы с акцентами и кириллицу в абракадабру. BOM — это несколько невидимых байт в начале файла, которые однозначно говорят Excel, что текст в UTF-8, и тогда он открывается корректно.

В чем разница между Lattice и Stream?

Lattice ищет таблицы с прорисованными линиями сетки. Stream восстанавливает столбцы по выравниванию и интервалам текста, когда линий нет вовсе. Auto сначала пробует Lattice и при необходимости переключается на Stream.

Что означает оценка точности?

Это числовая оценка уверенности в том, насколько корректно определена структура таблицы. Таблицы с оценкой ниже выбранного вами порога в результат не попадают, а не экспортируются сломанными строками.

Почему я получаю ZIP, а не один CSV?

Если в PDF несколько таблиц, каждая превращается в отдельный CSV-файл. Они упаковываются в один ZIP, чтобы ничего не объединялось, пока вы сами не включите объединение таблиц.

Как объединить таблицы в один файл?

Включите объединение таблиц — таблицы с одинаковым количеством столбцов будут собраны в один файл с одной строкой заголовков.

Что делать, если мой PDF — это скан?

В скане нет текстового слоя, который можно прочитать. Сначала прогоните файл через «OCR PDF», а потом извлекайте таблицы.

Как долго мой файл хранится на сервере?

Загруженный PDF удаляется сразу после обработки. CSV можно скачать в течение часа; с сервера он стирается автоматически в течение примерно двух часов, скачали вы его или нет.