استخراج الجداول من PDF
اعثر على جداول ملف PDF واحفظها بصيغة JSON أو Markdown أو CSV. يُعرف الجدول من أعمدته، بخطوط مرسومة أو بدونها، والنص العربي يُكتب كما يُقرأ. راجع الناتج. تعمل داخل متصفحك.
حول هذه الأداة
تعثر أداة استخراج الجداول من PDF على الجداول في ملف PDF وتحفظها بصيغة JSON أو Markdown أو CSV، وكل الجداول في ملف واحد. والجدول أسطر من النص تلتزم الأعمدة نفسها: تنظر الأداة إلى مواضع الحروف في الصفحة، فتجد الجدول سواء كان مرسومًا بخطوط أم مرتّبًا بالمسافات وحدها، وأيًّا كانت الحافة التي تُحاذى إليها أعمدته. والنص الذي ليس في جدول يُترك. وتحتاج الأداة إلى ملف PDF فيه نص حقيقي: الكلمات في المسح الضوئي صور، فشغّل عليه أداة التعرف الضوئي (OCR PDF) أولًا.
يحتفظ كل جدول بأعمدته حيث تكون الخلية فارغة، والجدول العربي يُكتب بدءًا من عموده الأيمن وكل خلية بترتيب قراءتها. وقبل التنزيل تعرض الصفحة الجداول التي عثرت عليها، مع صفحة كل جدول وأوائل صفوفه. وهذه قراءة للصفحة، فقارنها بملف PDF: الخلية التي يمتد نصها على سطرين تصير صفين، والجدول الذي خاناته جمل طويلة قد يُحسب أعمدة نص فيُترك، والقائمة المرتبة في عمودين قصيرين قد تُحسب جدولًا. استعمل «أقل عدد من الأعمدة» و«أقل عدد من الصفوف» لترك الجداول الأصغر مما تريد.
تُكتب الخلايا كما هي في الصفحة. وفي ملف CSV، الخلية التي قد يشغّلها برنامج الجداول على أنها معادلة (أي التي تبدأ بعلامة = أو @، أو بعلامة + أو - قبل ما ليس رقمًا) تُسبق بفاصلة عليا لتبقى نصًا. يُصنع الملف داخل متصفحك ولا يُرفع.
كيفية الاستخدام
رفع ملف PDF الخاص بك
ارفع ملف الـ PDF الذي يحتوي على الجداول التي تريد استخراجها.
تهيئة الاكتشاف
اختر JSON أو Markdown أو CSV. واكتب في «الصفحات» الصفحات التي تريد البحث فيها، مثل 1-5, 8 (أو اتركه فارغًا لكل الصفحات). و«أقل عدد من الأعمدة» و«أقل عدد من الصفوف» يتركان الجداول الأصغر من ذلك.
التصدير والتحميل
انقر «استخراج الجداول». تذكر الصفحة عدد الجداول التي عُثر عليها وتعرض أوائل صفوف كل منها؛ وانقر «تنزيل» لحفظ الملف. وإذا حدّدت «ذكر الصفحة التي فيها كل جدول» تصدّر كل جدول رقمه وصفحته.
حالات الاستخدام
تحليل البيانات
استخراج بيانات الجداول لتحليلها في برامج جداول البيانات أو قواعد البيانات.
معالجة التقارير
سحب الجداول من تقارير PDF لمزيد من المعالجة.
التوثيق
تحويل جداول PDF إلى Markdown للوثائق التقنية.
الأسئلة المتداولة
هل يمكن اكتشاف الجداول المعقدة؟
تعثر على الجدول من أعمدته: أسطر من النص بينها فراغ في المواضع نفسها. ولا تنظر إلى الخطوط المرسومة ولا الحدود ولا التظليل، ولا تعرف الخلايا المدمجة. والخلية التي تمتد على سطرين تصير صفين، والجدول الذي خاناته جمل طويلة قد يُحسب أعمدة نثر فيُترك.
ماذا لو لم يتم العثور على جداول؟
تُخبَر بذلك ولا يُصنع ملف. إن كان الملف مسحًا ضوئيًا قالت الرسالة إنه لا نص فيه: شغّل أداة التعرف الضوئي (OCR PDF) أولًا. وإن عُثر على جداول كلها أصغر مما يطلبه «أقل عدد من الأعمدة» و«أقل عدد من الصفوف» ذكرت الرسالة عددها، وتخفيض الرقمين يُدخلها. وللحصول على كل نص الصفحة لا جداولها فقط استعمل تحويل PDF إلى Excel أو تحويل PDF إلى Markdown.
هل يمكنني الاستخراج من صفحات معينة؟
نعم. اكتبها في «الصفحات»، مثل 1-5, 8. وإذا لم يطابق ما كتبته أي صفحة في الملف أُخبرت بذلك ولم يُستخرج شيء.