Я пытаюсь целый день конвертировать несколько. pdf файлы, которые содержат поток трафика для Сан-Паулу в электронные таблицы, такие как MS Office Excel или LibreOffice Calc в Ubuntu. Когда я открываю файл .pdf с LibreOffice Calc, он открывает LibreOffice Draw, и я не могу получить таблицу.
Самый многообещающий метод, который я нашел, был здесь с pdftotext. Он отлично работает, и я могу получить таблицы в LibreOffice Calc, но вручную настраивая столбцы.
Моя проблема в том, что у меня так много файлов .pdf, что мне потребуется много времени.
Кто-нибудь знает лучший метод?
Другой вариант - использовать Okular (http://okular.kde.org). Он имеет инструмент выбора таблицы (Ctrl + 5). Вы можете выбрать таблицу, добавить строки для дополнительных строк и столбцов и скопировать полученную таблицу в буфер обмена. Это отлично работает для меня.
Возможно, -layout будет вам полезен. С помощью этой опции pdftotext попытается сохранить макет столбца в результирующем текстовом файле.
Теперь вы можете импортировать текстовый файл в LibreOffice Calc с соответствующими настройками импорта. При открытии файла txt в Calc вам будет предложено проанализировать содержимое файла (см. Снимок экрана ниже). В разделе Separator Options выберите оба параметра [separated by] Space и Merge Delimiters. Таким образом, Calc сможет восстановить структуру столбцов (при условии, что данные ячейки не содержат пробелов).
Tabula может работать неплохо. PDF не является простым форматом для извлечения структурированной информации, поэтому это не всегда возможно.
Инструмент под названием Able2Extract - это опция, которая может сделать именно то, что вы хотите, с минимальными ошибками
Учитывая, сколько времени может потребоваться без лучшей помощи, и что "лучшая помощь доступна", вероятно, составляет менее 200 долларов США, некоторые дополнительные сверхурочные или оплачиваемая неполная работа в течение нескольких часов, если необходимо, могут быть лучше использованы ваше время - если вы не можете найти кого-то, кто сделает конверсию для вас с помощью своего программного обеспечения. Качество преобразования числовых таблиц (без контрольных итогов) является особой проблемой, потому что нет эквивалента проверки орфографии, чтобы помочь с небольшими неточными преобразованиями строк.
Я использую очень старый коммерческий конвертер и примерно через 10 минут преобразовал весь исходный документ с результатами, как показано ниже или аналогичным:
Важно отметить, что вывод состоит из 318 листов в одной книге (не все из этого качества выше!) и что заголовки таблиц были отделены от таблиц, что затруднило поиск определенного примера выше, учитывая, что в документе столько таблиц одинакового макета.
Если "кусать пулю", я бы предложил продукт Nuance и отметить упоминание пробной версии (Windows) здесь: http://www.nuance.co.uk/products/pdf-converter-professional/index.htm.
То, что я использую, я бы никогда не думал о покупке (это был подарок), но я очень скоро понял, что я был глуп, чтобы не так долго до. В то время я думал, что у меня есть не более чем случайное требование для PDF в Excel, но теперь благословляйте донора почти ежедневно!