Bảng PDF sang CSV

Bộ dò có thể và không thể suy ra điều gì

PDF thường lưu các mảnh văn bản tại tọa độ, chứ không lưu một lưới bảng có hàng và cột. Công cụ này ghép các mảnh trên cùng một dòng nhìn thấy và giữ những vị trí cột lặp lại qua nhiều hàng. Nó có thể tách nhiều bảng đều đặn trên một trang và bỏ qua văn xuôi một cột khi mẫu đủ rõ.

Phép tính tọa độ có xét góc xoay trang và CropBox bị lệch. Với hàng chủ yếu viết từ phải sang trái, thứ tự cột theo hướng do lớp văn bản PDF cung cấp. Dù vậy, các kiểm tra này không thể dựng lại mọi bố cục.

Ngoài giới hạn 20 MiB và 150 trang còn có giới hạn an toàn về văn bản: tối đa 100.000 mảnh hoặc 250.000 ký tự mỗi trang, và 1.000.000 mảnh hoặc 5.000.000 ký tự cho cả tài liệu. Vì vậy, PDF có văn bản bị chia quá vụn vẫn có thể dừng dù chưa chạm hai giới hạn chính.

CSV, TSV và an toàn bảng tính

Bạn có thể chọn dấu phẩy, dấu chấm phẩy hoặc tab; kết quả dùng tab được lưu thành TSV. Các bản ghi dùng kết thúc dòng CRLF. Trường chứa dấu phân cách đang chọn, dấu ngoặc kép, ký tự xuống dòng CR hoặc LF sẽ được bao bằng dấu ngoặc kép, và dấu ngoặc kép bên trong được viết gấp đôi. Cách này dựa trên quy tắc thông dụng của RFC 4180, có điều chỉnh theo dấu phân cách đã chọn.

Bảo vệ công thức được bật mặc định. Nếu một ô bắt đầu bằng =, +, - hoặc @ sau khoảng trắng đầu, kể cả dạng ký tự toàn chiều rộng được hỗ trợ, công cụ thêm dấu nháy đơn để ứng dụng bảng tính có khả năng coi đó là văn bản. Dấu thêm vào làm thay đổi giá trị ô. Tắt bảo vệ sẽ giữ nguyên văn bản trích xuất, nhưng mở nội dung giống công thức từ PDF không đáng tin có thể nguy hiểm. Hướng dẫn CSV Injection của OWASP giải thích vì sao không có biện pháp nào phù hợp với mọi ứng dụng bảng tính và mọi lần lưu lại.

Dấu UTF-8 tùy chọn giúp một số ứng dụng nhận đúng chữ ngoài hệ Latin. Dù chọn thiết lập nào, hãy kiểm tra tệp trước khi dùng cho kế toán, báo cáo hoặc nhập liệu tự động.

Trạng thái riêng tư giữa các bước

PDF, bảng đã dò và lựa chọn của bạn chỉ nằm trong trình duyệt này. Chúng được giữ trong vùng lưu trữ cục bộ có giới hạn tối đa 30 phút để quy trình ba bước có thể tiếp tục khi chuyển trang. Mọi tệp tải xuống đều được tạo cục bộ và công cụ không tải dữ liệu lên. Bắt đầu lại sẽ xóa tác vụ hiện tại; chính sách lưu trữ hoặc chế độ riêng tư của trình duyệt có thể xóa sớm hơn.