مستخرج جداول PDF

كيف تُخرج جدولاً من ملف PDF

ملف PDF لا يحتوي على جداول. يحتوي على نص موضوع عند إحداثيات، وأحياناً خطوط مرسومة حول ذلك النص. الجدول شيء تراه أنت عند النظر إلى الصفحة. أي أداة تدّعي أنها «تقرأ الجداول» إنما تخمّن، والسؤال الصادق الوحيد هو: ما مدى جودة التخمين؟ وهذه الأداة تخبرك بذلك.

طريقتان للتخمين

الاكتشاف بالخطوط يعتمد على الحدود التي رسمها منتج الملف فعلاً. تُجمَّع الخطوط الأفقية والرأسية في شبكة، وتقع كل كلمة في الخلية التي تخصّها. عندما توجد حدود مرسومة تكون النتيجة شبه دقيقة، ولهذا تُعرض بثقة عالية.

الاكتشاف بالفراغات موجّه إلى غالبية المستندات الحقيقية التي لا حدود فيها إطلاقاً. تُمسح الصفحة بحثاً عن فجوات رأسية تبقى فارغة عبر أسطر متتالية كثيرة، فتصبح هذه الممرات حدوداً للأعمدة. يعمل ذلك جيداً مع القوائم المالية وقوائم الأسعار والتقارير، وقد تخدعه فقرة من عمودين.

اترك الطريقة على تلقائي لتُنفَّذ المرحلتان معاً ويُحتفظ بالنتيجة الأقوى غير المتداخلة.

ضبط النتيجة

• الحد الأدنى للصفوف والأعمدة يزيل الضجيج. «الجدول» المكوّن من صفين وعمودين غالباً ما يكون عنواناً وتاريخاً.
• يقبل حقل الصفحات القيم all أو 1-3 أو 2,5,9. فحص صفحة واحدة من تقرير من 400 صفحة أسرع بكثير من فحصه كاملاً.
• يمكن حذف أي جدول مكتشف قبل التصدير. الاكتشاف تقديري: إن التقط فقرة، فاحذفها هنا بدل تنظيف جدول البيانات لاحقاً.

التصدير

• ملف CSV لكل جدول، أو جميعها مضغوطة في ملف ZIP.
• ملف CSV موحّد مع صف فاصل بين الجداول للحفاظ على الحدود.
• ملف XLSX بورقة عمل لكل جدول، جاهز لإكسل وLibreOffice وNumbers وجداول بيانات Google. الخلايا التي تحتوي أرقاماً حقيقية تُكتب أرقاماً، وما يبدو رقماً فقط — مثل رقم فاتورة يبدأ بصفر — يبقى نصاً.

كل ملف CSV يحمل علامة ترتيب البايتات UTF-8، حتى تصل الحروف العربية سليمة إلى إكسل على ويندوز.

الخصوصية

يُفتح ملف PDF ويُحلَّل ويُصدَّر بالكامل داخل متصفحك. لا يُرفع أي شيء ولا يُجرى أي اتصال بالشبكة أثناء العمل.