Конвертировать PDF в Excel

Извлеките таблицы из PDF в настоящий XLSX-файл: по одному листу на таблицу, с оценкой точности для каждой. 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

АвтоС сеткой (таблицы с границами)Поток (таблицы без границ)

Больше настроек

СтраницыПервая строка — заголовкиОбъединить таблицы с одинаковыми столбцамиМинимальная точность80%

Как в Excel

1
Загрузите PDF
Отчет, счет, выписка или любой документ с таблицами — размером до 300 МБ и 200 страниц.
2
Выберите режим определения
Auto подходит для большинства документов. Если у таблицы нестандартный вид, выберите Lattice или Stream вручную.
3
Скачайте рабочую книгу
Один лист на таблицу, с настоящими ячейками, которые можно сортировать, фильтровать и считать, а не блок вставленного текста.

Lattice или Stream — два разных взгляда на таблицу

Lattice ищет таблицы, нарисованные видимой сеткой линий. Так оформлено большинство счетов, банковских выписок и отчетов, и в таких случаях режим работает быстро и точно. Stream не опирается на линии: он восстанавливает столбцы по выравниванию текста и пробелам между словами. Это хорошо подходит для таблиц, которые держатся только на расстояниях и выравнивании. Auto сначала пробует Lattice, потому что он надежнее, когда сетка есть, и переключается на Stream только если результат выглядит слабым.

Оценка точности для каждой таблицы — до сохранения в файл

Для каждой таблицы, которую находит camelot, считается оценка точности. Таблицы ниже выбранного вами порога в рабочую книгу не попадают и не превращаются в кашу из данных. Так вы сразу видите, насколько чисто распознана структура таблицы, а не обнаруживаете сбитые строки и склеенные ячейки уже после открытия файла. Фотокопия с бледными линиями или таблица, разъехавшаяся на разрыв страницы, обычно получают балл ниже. Это полезный сигнал, а не ошибка.

Один лист на таблицу или объединение похожих

По умолчанию каждая таблица превращается в отдельный лист, названный по номеру страницы и таблицы. Так отчет с несколькими небольшими таблицами не слипается в один запутанный блок. Включите объединение, и таблицы с одинаковым числом столбцов будут сшиты в один лист с общей строкой заголовка. Это удобно для отчетов, где одна и та же таблица повторяется на нескольких страницах, а вам нужен один непрерывный диапазон.

Обрабатывается на нашем сервере, удаляется автоматически

Определение таблиц требует полноценного движка анализа верстки, 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, чистить вручную ничего не придется.

Частые вопросы

В чем разница между Lattice и Stream?

Lattice находит таблицы, у которых нарисована сетка линий, и при наличии этих линий дает более точный результат. Stream восстанавливает столбцы по выравниванию текста и интервалам, для таблиц вообще без линий. Auto сначала пробует Lattice и при необходимости переключается на Stream.

Что означает оценка точности?

Это числовая оценка уверенности в том, насколько чисто определена структура таблицы — строки, столбцы и границы ячеек. Таблицы ниже выбранного порога не попадают в результат, чтобы в листе не прятались испорченные данные.

Почему таблица без линий распознается хуже?

Без сетки детектору приходится угадывать границы столбцов только по интервалам между словами. Это всегда менее надежно, чем считывать нарисованную линию. Попробуйте режим Stream — он как раз рассчитан на такой случай.

Что делать, если мой PDF — это скан?

В скане нет текстового слоя, из которого можно читать таблицу. Сначала запустите «OCR PDF», а уже по его результату извлекайте таблицы.

Переносятся ли формулы?

Нет. В PDF никогда нет формул — только значения, которые таблица выдала в момент экспорта.

Как получить CSV вместо файла Excel?

Используйте «PDF в CSV» — там тот же анализ таблиц, но на выходе вы получите отдельные CSV-файлы.

Как долго мой файл хранится на сервере?

Загруженный PDF удаляется сразу после обработки. Готовую книгу можно скачать в течение часа; с сервера она стирается автоматически в течение примерно двух часов, скачали вы ее или нет.