تحويل جداول PDF إلى CSV
اختر ملف PDF نصيًا
حوّل جداول PDF النصية البسيطة إلى ملفات CSV أو TSV من دون إرسال الملف إلى خادم. يجمع المتصفح الأجزاء النصية وفق مواضعها الظاهرة، ويبحث عن مواضع أعمدة تتكرر بين الصفوف. راجع كل جدول مكتشف قبل تنزيله، فهذه أداة استخراج متحفظة تبذل أفضل ما يمكن، وليست ضمانًا لتحويل تخطيطات PDF المعقدة إلى صفوف وأعمدة مثالية.
كيفية استخراج جدول PDF إلى CSV
-
1
اختر ملف PDF نصيًا
اختر ملف PDF لا يتجاوز 20 MiB و150 صفحة. أما المسح الذي لا يحتوي إلا على صور الصفحات فيحتاج إلى OCR أولًا.
-
2
دع المتصفح يكتشف الجداول
يستخدم المستخرج إحداثيات النص الظاهر، بما فيها دوران الصفحة وCropBox، ثم يبحث عن مواضع صفوف وأعمدة متكررة.
-
3
راجع الناتج واضبطه
اختر الجداول المطلوبة، وتحقق من الخلايا الفارغة المضافة، ثم اختر الفاصلة أو الفاصلة المنقوطة أو الجدولة وعلامة UTF-8 وحماية الصيغ.
-
4
نزّل كل جدول مختار
يصير كل جدول مختار ملف CSV أو TSV مستقلًا يُنشأ محليًا. لا تُدمج الجداول الممتدة بين الصفحات.
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.
| تخطيط PDF | النتيجة المحتملة | ما يجب مراجعته |
|---|---|---|
| تصدير منظم بأعمدة متكررة | أفضل حالة عادةً | العناوين والفواصل العشرية والخلايا الفارغة |
| قيمة ناقصة في صف منتظم | خلية فارغة في العمود المستنتج | هل بقي العمود الصحيح فارغًا؟ |
| خلية مدمجة أو نص ملتف | قد ينقسم النص أو ينزاح أو يندمج | قارن المعاينة بملف PDF |
| عدة جداول منتظمة في صفحة | قد تُكتشف منفصلة | اختر الجداول التي تحتاجها فقط |
| صورة صفحة ممسوحة ضوئيًا | لا يُكتشف جدول | شغّل OCR أولًا |
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.
الأسئلة الشائعة
لا. تتم قراءة PDF واكتشاف الجداول وإنشاء CSV أو TSV داخل المتصفح. تُحفظ المهمة محليًا حتى 30 دقيقة للانتقال بين الخطوات، وتُنشأ كل التنزيلات محليًا.
لا إذا كان الملف لا يحتوي إلا على صور الصفحات. يحتاج المستخرج إلى طبقة نص PDF ومواضع حروفها. شغّل OCR أولًا ثم استخدم ملف PDF النصي الناتج.
اختر الفاصلة أو الفاصلة المنقوطة أو الجدولة. تستخدم السجلات CRLF. يُقتبس الحقل الذي يحتوي الفاصل المختار أو علامة اقتباس أو محرف إرجاع أو سطر جديد، وتُضاعف علامة الاقتباس داخله. تستخدم نتيجة الجدولة الامتداد .tsv.
تضيف فاصلة عليا إلى الخلايا الشبيهة بصيغ الجداول التي تبدأ بعد المسافات بأحد الرموز = أو + أو - أو @. تكون مفعلة افتراضيًا وتغير تلك القيم. أوقفها فقط عند ضرورة حفظ النص الخام والثقة بملف PDF.
يعتمد الاكتشاف على مواضع النص المتكررة لا على خلايا جدول حقيقية. قد تؤدي الأسطر الملتفة والخلايا المدمجة والتباعد الغريب واتجاهات الكتابة المختلطة والتخطيطات الزخرفية إلى تقسيم القيم أو إزاحتها. يُصحح الدوران وCropBox، لكن يجب مقارنة المعاينة بالمصدر.
يمكنه اكتشاف عدة جداول منتظمة في صفحة واحدة واختيار كل منها على حدة. يُنزّل كل جدول مختار في ملف مستقل، ولا يُدمج الجدول الذي يتابع في الصفحة التالية.
أدوات ذات صلة
تحويل Word إلى PDF
حوّل مستندات Word بصيغتي .doc و.docx إلى PDF مع الحفاظ على تخطيط الصفحات والصور والجداول والعناوين. رفع آمن وحذف تلقائي بعد ساعتين.
تقسيم ملف PDF
قسّم ملف PDF إلى ملف واحد لكل صفحة أو إلى نطاقات مخصصة مثل 1-3، 4-6، 8. عالج الملف في المتصفح ونزّل ملف ZIP.
محوّل PDF إلى JPG
حوّل صفحات PDF إلى صور JPG بالدقة والجودة المناسبتين لك. نزّل صفحة واحدة أو كل الصفحات في ملف ZIP، لاستخدامها كصور مصغّرة أو معاينات.
محول PDF إلى Word
حوّل ملفات PDF إلى مستندات Word قابلة للتحرير بالكامل. يحافظ على العناوين والقوائم والصور والجداول، ويعالج ملفات PDF الممسوحة ضوئيًا تلقائيًا عبر OCR.
محول PDF إلى Excel
اكتشف الجداول المنتظمة في ملف PDF نصي ونزّل ملفات XLSX أو CSV أو TSV محلياً. راجع كل جدول قبل التصدير. الحد الأقصى: 20 MiB و150 صفحة.
إضافة صفحات فارغة إلى PDF
أضف من 1 إلى 50 صفحة فارغة إلى ملف PDF موجود. اختر A4 أو Letter أو Legal أو A3 أو A5، واتجاها عموديا أو أفقيا، ثم أدرجها في البداية أو النهاية أو قبل رقم صفحة أو بعده.