PDF به Excel

جدول‌های درون PDF بسیار اوقات هیچ خطی دور خود ندارند. آنجا هم که دارند، آن خط‌ها روی لایه‌ای جدا از متن کشیده شده‌اند و برای هر چیزی که واژه‌ها را بیرون می‌کشد نامرئی‌اند. به همین دلیل است که روش‌های مبتنی بر یافتن خط این‌قدر مکرر شکست می‌خورند.

پس آنچه خوانده می‌شود موقعیت است. درون یک سطر، فاصله‌ای بسیار پهن‌تر از فاصله میان واژه‌ها مرز یک خانه است، و وقتی این فاصله‌ها در چند سطر پشت سر هم روی یک موقعیت افقی بایستند، آن بخش یک جدول است. کمینه سه سطر لازم است. بخش‌های دو سطری معمولاً عنوانی هستند با تاریخی که به لبه رانده شده، و جدول کردن آن خواندن را سخت‌تر می‌کند نه آسان‌تر.

خانه خالی هیچ ردی در فایل نمی‌گذارد، چون آنجا هرگز نویسه‌ای نبوده است. به‌هم چسباندن خانه‌ها به ترتیب همه‌چیز را یک خانه جابه‌جا می‌کند، پس هر خانه در نزدیک‌ترین ستون می‌افتد و بقیه خالی می‌ماند.

وقتی جدول‌ها روی چند صفحه پخش‌اند، ریختن همه در یک برگه ردّ اینکه یک عدد از کدام صفحه آمده را گم می‌کند. پس هر صفحه برگه خودش می‌شود که به شماره صفحه نام گرفته است.

سطرهایی که جزو جدول نیستند هم نگه داشته می‌شوند، هر سطر یک ردیف. دور انداختن عنوان بالای جدول، یا یادداشتی که واحد اعداد را می‌گوید، شما را با عددهایی تنها می‌گذارد که راهی برای خواندنشان نیست. تصویرها و مهرهای چاپ‌شده روی صفحه هم منتقل می‌شوند و زیر داده‌های هر برگه چیده می‌شوند تا روی خانه‌ها شناور نمانند و مزاحم محاسبه نشوند.

PDF‌ای که با عکس گرفتن از کاغذ یا عبور دادن آن از اسکنر اداری ساخته شده، برای هر صفحه یک تصویر است. چشم شما حرف می‌بیند اما فایل حتی یک حرف ندارد. چیزی برای بیرون کشیدن نیست، پس چیزی هم برای بازسازی نیست.

ابزار این را رک می‌گوید، نه اینکه فایلی خالی دستتان بدهد. اگر تنها بخشی از صفحه‌ها اسکن باشد، شماره صفحه‌هایی را که خالی برگشته‌اند نام می‌برد. خواندن متن از درون تصویر کاری نیست که این ابزار انجام دهد.

همه تبدیل درون همین مرورگر انجام می‌شود. خواندن PDF و نوشتن سند تازه هر دو کار کدی است که روی دستگاه شما اجرا می‌شود. اصلاً گامی به نام بارگذاری وجود ندارد.

می‌توانید خودتان بررسی کنید. زبانه شبکه را در ابزار توسعه‌دهنده (F12) باز کنید و یک تبدیل را اجرا کنید: درخواستی به اندازه فایل شما یا ظاهر می‌شود یا نمی‌شود.