Автоматическое извлечение таблицы из PDF-файла

Многоцелевое программное обеспечение Bytescout PDF Multitool позволяет автоматически извлекать таблицы из файлов PDF. Программное обеспечение имеет интересную особенность - функция, которая автоматически определяет таблицу(ы) на той или иной странице исходного файла формата PDF. После обнаружения таблицы вы можете сохранить ее в нужное вам место на компьютере, а также выбрать выходной формат - TXT, CSV, XML, JSON или XLS - для сохранения таблицы из PDF.

Программное обеспечение также имеет функцию обнаружения первой таблицы из всех PDF-страниц, а затем извлечь все эти таблицы. Тем не менее, во время моего тестирования, все столы были извлечены с помощью этой опции, но есть некоторый текст содержание также извлечены.Таким образом, этот вариант не работает идеально, но оно может быть дано попробовать, когда есть много таблиц в PDF документе.

Перед тем, как программа начнет искать таблицу, вы можете задать определенные условия поиска: установить минимальное количество строк, столбцов, минимальные количество строк между таблицами и т.д.. Таким образом, программное обеспечение предоставляет практически все необходимые опции для извлечения таблиц из PDF.

Примечание: Данное программное обеспечение имеет множество других функций. Вы можете извлечь аудио и видео из PDF, извлечь вложенные в PDF файлы, разделять и объединять PDF, конвертировать PDF в TIFF, и многое другое.

Как извлечь таблицу?

Шаг 1: Загрузите ByteScout PDF MultiTool (отсюда) и установите его.

Шаг 2: Откройте программу, добавьте файл PDF. ПО поддерживает как одностраничные, так и многостраничные PDF-файлы.

Шаг 3: Слева в окне программы представлено множество опций, доступных в разных категориях. Вам нужно найти и нажать на Detect tables, расположенную в разделе Data Extraction.

Шаг 4:  Откроется небольшое окно. В этом окне предлагается несколько параметров, связанных с обнаружением таблицы и ее извлечением. Вы можете настроить параметры в соответствии с вашими потребностями. Некоторые из важных вариантов:

• Установить минимальное количество строк и столбцов для обнаружения таблицы.
• Установить максимально допустимое недопустимых строк.
• Выберите режим обнаружения: Content Groups и Borders, Bordered Tables, Borders, Content Groups. Рекомендуется первый вариант.

Шаг 5: Используйте кнопку Detect next table, чтобы проверить, есть ли еще таблица на текущей странице или нет. Если таблица есть, то она будет найдена и обозначена красной рамкой. Теперь вы можете перейти на другую страницу и искать таблицы на ней.

Шаг 6: После того как сделан Шаг 5, нажмите Proceed to extraction. Вы увидите все доступные форматы вывода таблицы.

Выберите формат, затем вы увидите еще несколько опций:

• Сохранить форматирование текста.
• Обрезать пробелы.
• Делать интервалы между колонками.
• Извлечь текущую страницу или определенный диапазон, и пр. Вы можете выбрать диапазон страниц, если нужно извлечь таблицы из нескольких страниц. 

Установите эти параметры, затем нажмите Extract to File, чтобы сохранить таблицу.

Вывод

Программное обеспечение уникально тем, что позволяет автоматически извлекать таблицу из PDF-файла. Кроме того, предлагается несколько выходных форматов для сохранения таблицы.

Скачать программное обеспечение.

Оставьте свой комментарий!