تحويل جداول PDF إلى CSV

ما الذي يستطيع الكاشف استنتاجه؟

لا يخزن PDF عادةً الجدول كشبكة ذات صفوف وأعمدة معرّفة، بل كأجزاء نصية ذات إحداثيات. تجمع الأداة الأجزاء الموجودة على السطر المرئي نفسه، وتحتفظ بمواضع الأعمدة التي تتكرر عبر عدة صفوف. وقد تفصل عدة جداول منتظمة في صفحة واحدة وتتجاهل النثر أحادي العمود حين يكون النمط واضحًا.

تدخل زاوية دوران الصفحة وCropBox المزاح في حساب الإحداثيات المرئية. وفي الصفوف التي يغلب عليها اتجاه اليمين إلى اليسار، يتبع ترتيب الأعمدة الاتجاه الذي تبلغ عنه طبقة النص في PDF. ومع ذلك لا يمكن لهذه الفحوص إعادة بناء كل تخطيط.

إلى جانب حدي 20 MiB و150 صفحة، تطبق الأداة حدود أمان للنص: 100,000 جزء أو 250,000 محرف في الصفحة، و1,000,000 جزء أو 5,000,000 محرف في المستند. لذلك قد تتوقف معالجة PDF شديد التجزئة حتى إن بقي حجمه وعدد صفحاته دون الحدين الرئيسيين.

CSV وTSV وأمان جداول البيانات

يمكن اختيار الفاصلة أو الفاصلة المنقوطة أو الجدولة فاصلًا، وتُحفظ نتيجة الجدولة بصيغة TSV. تستخدم السجلات نهايات أسطر CRLF. يُحاط الحقل بعلامتي اقتباس مزدوجتين إذا احتوى الفاصل المختار أو علامة اقتباس مزدوجة أو محرف إرجاع أو محرف سطر جديد، وتُضاعف علامات الاقتباس داخله. يتبع ذلك القواعد الشائعة الموثقة في RFC 4180 مع تكييفها للفاصل المختار.

تكون حماية الصيغ مفعلة افتراضيًا. إذا بدأت الخلية بعد المسافات الأولية بأحد الرموز = أو + أو - أو @، بما فيها الأشكال كاملة العرض المدعومة، تضيف الأداة فاصلة عليا كي يرجح أن يعاملها برنامج الجداول كنص. تغير هذه الإضافة قيمة الخلية. يؤدي إيقاف الحماية إلى إبقاء النص الخام كما استُخرج، لكن فتح محتوى شبيه بالصيغة من PDF غير موثوق قد يكون خطرًا. يوضح دليل OWASP عن حقن CSV سبب عدم وجود معالجة واحدة تعمل مع كل برامج الجداول وعمليات إعادة الحفظ.

تساعد علامة UTF-8 الاختيارية بعض التطبيقات على تمييز النص غير اللاتيني. افحص الملف قبل استخدامه في المحاسبة أو التقارير أو الاستيراد الآلي.

حالة الخطوات الخاصة

يبقى ملف PDF والجداول المكتشفة واختياراتك داخل هذا المتصفح. تُحفظ في مساحة تخزين محلية محدودة مدة تصل إلى 30 دقيقة كي يستمر المسار المؤلف من ثلاث خطوات. تُنشأ التنزيلات محليًا ولا ترفع الأداة أي بيانات. يؤدي البدء من جديد إلى حذف المهمة الحالية، وقد تمحوها سياسة التخزين أو الوضع الخاص في المتصفح قبل ذلك.