표를 확인하고 내려받는 PDF 엑셀 변환기

서로 다른 두 가지 이유가 있고 도구가 그것을 구분합니다. PDF에 텍스트 층이 없으면(쪽이 그림으로 저장됨) 읽을 것이 없습니다 — 그런 쪽은 표시되며 먼저 인식이 필요합니다. 글은 있는데 구조가 없으면 줄이 한 열로만 이어지니 표가 아니라 산문입니다. 한 열짜리 목록을 표인 척 내놓는 일은 일부러 하지 않습니다. 그런 잡음으로 가득한 시트는 정직한 «찾지 못함»보다 나쁩니다.

검출기가 틀린 바로 그 자리에서, 표 위에서 고치면 됩니다. 열 머리마다 「⋯」 메뉴가 있어 다음 열과 합치기, 가장 넓은 간격에서 나누기, 삭제, 유형 지정을 할 수 있습니다. 행 번호를 누르면 그 행이 지워집니다. 예전에는 이 기능들이 마지막 열에만 작동해서, 아홉 열짜리 명세서의 가운데가 틀린 경우에는 작동하는 것처럼 보이면서 아무 쓸모가 없었습니다.

진짜 표에서는 왼쪽 끝이 맞지 않기 때문입니다. 우리 시험용 견적에서 가운데 열은 143, 155, 152에서 시작하고 오른쪽 열은 198, 184, 184에서 시작합니다. 숫자는 오른쪽, 제목은 왼쪽 정렬이기 때문입니다. 왼쪽 끝으로 묶으면 어떤 허용치를 쓰든 한 열이 셋으로 쪼개지거나 셋이 하나로 합쳐집니다. 안정적인 것은 열 «사이»의 빈 통로이고, 분석은 그것으로 합니다.

PDF에는 수식이 전혀 없습니다. 이미 계산된 결과만 들어 있으므로 넘어가는 것은 값입니다. 병합된 칸은 넘어갑니다. 여러 열을 실질적으로 덮는 글은 병합으로 보고 값을 첫 열에 남기며, 표에서는 그 칸이 늘어난 채 강조되고, .xlsx에는 실제 병합이 들어갑니다. 예전에는 그런 글이 중심이 놓인 열로 조용히 떨어졌습니다.

XLSX는 찾은 표를 모두 한 통합 문서에 표당 한 시트로 담고, 셀 유형과 병합까지 가져갑니다. CSV는 유형을 모르지만 어디서나 열리며, 이제 표를 모두 내보냅니다. 표당 파일 하나로, 표가 하나면 파일 하나, 여러 개면 폴더나 압축 파일로 옵니다. 파일마다 인코딩 표시가 붙습니다.

PDF는 브라우저에서 분석합니다. pdf.js가 쪽을 읽고, 통합 문서는 우리 Access 데이터베이스 복구 도구에 쓰이는 것과 같은 XLSX 생성기가 만듭니다. 그 생성기는 마이크로소프트의 엔진과 부분별로 대조해 확인했습니다.

여기서 그대로 처리합니다. 텍스트 층이 없는 페이지는 따로 표시되고 「페이지 인식하기」 버튼이 나타납니다. PP-OCRv5 모델을 한 번(약 12 MB) 내려받으면 사용자의 기기에서 동작하고 이후에는 네트워크가 필요 없습니다. 인식된 글자는 일반 PDF와 똑같은 표 탐색으로 들어가며, 두 번째 처리 경로는 없습니다. 차이는 하나입니다. 스캔에는 그려진 선이 없으므로 열이 간격만으로 복원됩니다.

됩니다. 열마다 숫자·날짜·텍스트 중 하나의 유형이 정해지고, 통합 문서에는 문자열이 아니라 값이 들어가므로 합계가 계산되고 날짜가 정렬됩니다. 유형은 열 전체를 보고 정하며(금액 사이의 대시 하나가 그 열을 텍스트로 만들지 않습니다) 열 머리에 표시되고 그 자리에서 직접 바꿀 수도 있습니다. 해석은 일부러 조심스럽습니다. 「+82 10-1234-5678」은 텍스트로 남습니다. 전화번호를 숫자로 바꾸면 완성된 시트에서는 알아볼 수 없는 손실이 되기 때문입니다.