PDFからCSVへの変換の仕組み

コンバーターはPDFの中から表を探し、文字の位置と罫線から行と列の境目を判断して、セルの内容をCSVファイルに書き出します。

PDFに表が複数ある場合は、それぞれをページ名を示す見出し行付きで順に書き出すので、ファイルを分けたり不要な部分を削ったりできます。

ExcelではなくCSVを選ぶ理由

CSVはプレーンテキストで、スクリプト、データベースの取り込み、データ処理ツールがまさに求めるものです。読むために表計算の形式を解析する必要がありません。

Excel、Google Sheets、Numbers、LibreOffice Calcでも開けます。書式、結合セル、表ごとに1枚のシートが必要な場合は、当サイトのPDFからExcelへの変換をお使いください。

取引明細、価格表、報告書の表を、行を手で打ち直さずに表計算ソフトに取り込む場合。

公開されたPDFの数値をスクリプトやデータベースに読み込む場合。文書から問い合わせまでの最短経路がCSVです。

ファイルはBOM付きのUTF-8なので、アクセント付き文字やラテン文字以外のテキストもExcelでダブルクリックすれば正しく開きます。カンマや引用符を含む値は、CSVの標準どおり引用符で囲まれます。

CSVには結合セル、色、複数シートを収める余地がないため、結合された見出しは最初のセルに書き込まれます。テキストレイヤーのないPDFにはこのツールが見つけられる表がなく、先にOCRが必要です。

罫線のある表がいちばん正確に変換されます。罫線が各列の終わりをツールに正確に伝えるからです。

CSVを開いて、最初と最後の行をPDFと見比べてください。最後の行が欠けている場合は、たいてい表が次のページに続いており、抽出側がそれを別のものとして扱っています。