چگونگی استخراج جدول های PDF با بررسی مرزهای ستون و شاخه ها
موقعیت های متن می تواند به جدا کردن یک جدول PDF کمک کند، زمانی که کپی معمولی ستون های آن را مخلوط می کند. استخراج فرمت بصری جدول را بازنویسی نمی کند، بنابراین قبل از استفاده مجدد، سرها و سلول های تولید شده آن را بررسی می کند.

نحوه استفاده از این ابزار
- اضافه کردن یک PDF حاوی یک جدول متن قابل خواندن.
- محدوده صفحه و مرزهای ستون افقی را وارد کنید.
- اجرا، بررسی و ویرایش جدول استخراج شده.
- ذخیره خروجی بررسی شده CSV یا XLSX.
تنظیمات مناسب را انتخاب کنید
مشخص کردن صفحات حاوی جدول و مرزهای ستون افقی اندازه گیری شده در نقطه PDF. وارد کردن مرزهای مثبت صعودی، با توجه به این که اولین ردیف استخراج شده تبدیل به عنوان به جای متن توضیح قبلی.
- ورودی پشتیبانی شده
- تنظیمات موجود
- صفحات (به عنوان مثال 1,3-5)
- محدودیت های ستون در نقاط (به عنوان مثال 200,350)
پیش از شروع
شناخت ساختار سند پیش از انتخاب تنظیمات
PDF اصلی را نگه دارید و معلوم کنید متن خواندنی، صفحهٔ اسکنشده، فیلد واقعی فرم یا امضای موجود دارد. ویژگیهایی را که باید حفظ شوند مشخص کنید. جای صفحه در فایل ممکن است با شمارهٔ چاپشده تفاوت داشته باشد؛ محدوده را با خود صفحهها تطبیق دهید.
اگر صفحهها تغییر میکنند، ترتیب، جهت و ناحیهٔ قابل مشاهده را بررسی کنید. برش میتواند محتوا را پنهان کند بدون اینکه آن را امن حذف کند. تختکردن فرم، فیلدها را غیرقابل ویرایش میکند؛ امضای ترسیمشده تصویر است، نه گواهی دیجیتال. انتخاب کار به نیاز دریافتکننده برای خواندن، چاپ، جستوجو یا ادامهٔ تکمیل فرم بستگی دارد.
اگر سند از دادهٔ واردشده ساخته میشود، دریافتکننده، ارز، تعداد و محاسبات را بررسی کنید. در پیشنهاد قیمت یا فاکتور، تخفیف یک مبلغ است و مالیات پس از تخفیف حساب میشود. ساخت سند، پرداخت را انجام نمیدهد یا صورتحساب مالیاتی الکترونیکی صادر نمیکند. قبل از اتکا به ظاهر سند، مقدارها را با منبع بررسی کنید.
بررسی صفحهها و ویژگیهای لازم در خروجی
خروجی را باز کنید و همهٔ صفحههای مربوط، مرز سند، فیلدهای بلند و علامتهای افزوده را بررسی کنید. پیشنمایش محدود، درستی تمام سند را ثابت نمیکند. کپی یا بازسازی ممکن است فرمها یا نشانکها را حذف کند یا بر امضای دیجیتال اثر بگذارد. ویژگیهای لازم را در برنامهٔ نهایی با اصل مقایسه کنید.
اگر از OCR استفاده کردهاید، نام و عدد را در متن کپیشده بررسی کنید حتی اگر جستوجو کار میکند. متن در تصویر صفحه به متن قابل ویرایش تبدیل نمیشود؛ مقایسهٔ متن هم تصویر و چیدمان را بررسی نمیکند. در کارهای پشتسرهم، خروجی هر مرحله را ببینید تا مرحلهٔ تغییر صفحه یا ازبینرفتن ویژگی مشخص شود.
در صورت شکست، محدوده، رمزگذاری حفاظتی و نوع فرم پشتیبانیشده را بررسی کنید. فرم اسکنشده خودکار فیلد پیدا نمیکند. برای چاپ، اندازهٔ واقعی و جهت را امتحان کنید؛ گزارش هندسهٔ PDF نتیجهٔ چاپگر را تأیید نمیکند. صرف بازشدن فایل، دلیل کافی برای ادامهٔ کار روی نسخهای با صفحهٔ ناقص نیست.
نمونه ورودی و خروجی
متن PDF + مرزهای ستون → بررسی شده CSV/XLSXمثالها روند کار را توضیح میدهند. نتیجه به فایل منبع و تنظیمات بستگی دارد.
قبل از ذخیره نتیجه را بررسی کنید
عنوان ها، مقدار ها، شناسه ها و سلول های خالی را با خطوط منبع مطابقت در جدول بررسی ویرایش شده مقایسه کنید.قیمت های منتقل شده را درست کنید و بررسی کنید که آیا عنوان های تکراری یا توضیحات از صفحات بعدی داده ها را وارد کرده اند.
اگر نتیجه با آنچه انتظار داشتید متفاوت باشد
صفحات اسکن شده نمی توانند جدول های متنی را ارائه دهند و صفحات یا متن چرخیده نیاز به محتوای منبع مناسب دارند.اگر ارزش ها در ستون های همسایه قرار می گیرند، مرزها را تنظیم کنید تا موقعیت های منبع را مطابقت دهند و دوباره استخراج کنند.
محدودیتهایی که باید در نظر داشت
- PDF های متنی فقط: تا صفحات 10، ردیف های 200 و ستون های 20. سلول های مخلوط، جدول های اسکن شده و سبک بازگردانده نمی شود. خط اول عنوان است؛ سلول های نتیجه قابل ویرایش هستند.
ادامهٔ کار با ابزارهای مرتبط
این راهنما ابزار مرورگر عمومی را توضیح می دهد. یک کپی از اصل را نگه دارید و نتیجه را قبل از به اشتراک گذاشتن بررسی کنید.
این ترجمه با کمک نرم افزار تهیه شده است. همچنین می توانید نسخه انگلیسی آن را بخوانید. به انگلیسی بخوانید