PDF を Excel に変換

PDF の表に線がないことはとてもよくあります。あってもその線は文字と別の層に描かれていて、文字を取り出す側からは見えません。線を探して表を見つけようとする方法がよく失敗する理由です。

そこで位置を見ます。一行の中で文字の間が語間よりずっと広く開いていれば升目の切れ目と見て、その切れ目が何行かにわたって同じ横位置に並んでいれば表と見ます。三行以上でなければ表と認めません。二行のものは見出しと日付が両端に付いた行であることが多いからです。

値の空いた升目はもともと文字がないので断片も残りません。そのままつなぐと一つずつずれるので、各升目を一番近い列に落とし、残りは空のままにします。

複数のページに表が散らばっているとき一枚のシートにまとめると、どのページから出た値か分からなくなります。そこでページ番号を名前にしたシートをページごとに作ります。

表でない段落も捨てず一行ずつ収めます。表の上にあった見出しや単位の断り書きが消えると、数字だけが残って使い道が減るからです。 ページに置かれていた画像や印影も一緒に収めます。升目の上に浮いていると計算の邪魔になるので、各シートの表の下にまとめます。

紙を撮ったり複合機で読み取って作った PDF は、ページ全体が一枚の写真です。人の目には文字に見えても、ファイルの中に文字は一つもありません。取り出すものがないので戻すものもありません。

この道具はその場合を黙って通り過ぎず、はっきりお知らせします。一部のページだけがスキャンなら、何ページ目が空だったかを番号でお伝えします。写真の中の文字を読み取る機能は入れていません。

変換のすべてがこのブラウザーの中で終わります。PDF を読むのも新しい文書を書くのも、あなたの機械で動くプログラムがします。サーバーへ送る段階がそもそもありません。

確かめられます。開発者ツール(F12)のネットワークタブを開いたまま変換を押してみてください。ファイルの大きさほどのアップロードがあるかないかがその場で見えます。