Konverter PDF ke Excel dengan kisi yang bisa diperiksa

Ada dua sebab berbeda dan alat ini membedakannya. Kalau PDF-nya tidak punya lapisan teks (halamannya disimpan sebagai gambar), tak ada yang bisa dibaca — halaman itu ditandai dan perlu dikenali dulu. Kalau ada teks tapi tak ada struktur, barisnya berjalan dalam satu kolom, artinya itu prosa dan bukan tabel. Alat ini sengaja menolak menyulap daftar satu kolom jadi tabel: lembar penuh gangguan seperti itu lebih buruk daripada jujur berkata «tidak ditemukan».

Perbaiki langsung di kisi, di tempat detektor keliru. Tiap kepala kolom punya menu «⋯»: gabung dengan berikutnya, pisah di celah terlebar, hapus, atur tipe. Klik nomor baris untuk menghapus baris itu. Dulu operasi ini hanya bekerja pada kolom TERAKHIR — pada faktur sembilan kolom dengan kesalahan di tengah, semuanya tidak berguna meski tampak berfungsi.

Karena pada tabel sungguhan tepi kiri tidak sejajar. Pada rincian biaya uji milik kami sendiri, kolom tengah mulai di 143, 155, dan 152, sedangkan kolom kanan di 198, 184, dan 184: angka rata kanan, judul rata kiri. Pengelompokan lewat tepi kiri, dengan toleransi berapa pun, entah membelah satu kolom jadi tiga atau melebur tiga jadi satu. Yang stabil adalah koridor kosong DI ANTARA kolom, dan itulah yang dipakai penguraiannya.

PDF sama sekali tidak menyimpan rumus — hanya hasil yang sudah dihitung — jadi yang berpindah adalah nilai. Sel gabungan ikut berpindah: teks yang secara nyata menutupi beberapa kolom dianggap gabungan, nilainya tetap di kolom pertama, di kisi sel itu tampak melebar dan disorot, dan .xlsx menerima penggabungan sungguhan. Sebelumnya teks seperti itu diam-diam jatuh ke kolom tempat titik tengahnya berada.

XLSX menaruh semua tabel yang ditemukan dalam satu buku kerja, satu lembar per tabel, lengkap dengan tipe sel dan penggabungan. CSV tidak mengenal tipe — tetapi bisa dibuka di mana saja, dan kini juga mengekspor SEMUA tabel, satu berkas per tabel: satu tabel datang sebagai satu berkas, beberapa sebagai folder atau arsip. Tiap berkas membawa tanda pengodeannya.

PDF diurai di peramban Anda: pdf.js membaca halamannya, dan buku kerjanya disusun oleh generator XLSX yang sama dengan yang dipakai di alat pemulihan basis data Access kami, yang diperiksa bagian demi bagian terhadap mesin Microsoft sendiri.

Diproses di sini juga. Halaman tanpa lapisan teks ditandai dan muncul tombol «Kenali halamannya»: model PP-OCRv5 diunduh sekali (sekitar 12 MB), berjalan di perangkat Anda dan setelah itu tidak perlu jaringan. Teks hasil pengenalan masuk ke pencarian tabel yang sama seperti PDF biasa — tidak ada jalur kedua. Satu perbedaan tetap ada: pindaian tidak punya garis, jadi kolomnya hanya dari celah.

Ya. Tiap kolom diberi tipe — angka, tanggal, atau teks — dan yang masuk ke buku kerja adalah nilai, bukan untaian teks: jumlah terhitung, tanggal terurut. Tipe ditentukan dari kolom secara utuh (satu tanda pisah di antara nominal tidak membuatnya jadi teks) dan ditampilkan di kepala kolom, tempat Anda juga bisa menggantinya. Pembacaannya sengaja hati-hati: «+62 812 3456 7890» tetap teks, sebab mengubah nomor telepon jadi angka adalah kehilangan yang tak terlihat di lembar jadi.