PDF 표를 CSV로 변환

감지기가 추론할 수 있는 것과 없는 것

PDF는 보통 표의 행과 열을 저장하지 않고 좌표가 붙은 텍스트 조각을 저장합니다. 이 도구는 같은 화면상 줄에 있는 조각을 합치고 여러 행에서 반복되는 열 위치를 유지합니다. 한 페이지의 규칙적인 표 여러 개를 나누어 감지할 수 있으며 패턴이 분명하면 한 열로 된 본문은 제외합니다.

화면 좌표 계산에는 페이지 회전과 위치가 이동된 CropBox도 반영됩니다. 오른쪽에서 왼쪽으로 쓰는 문자가 대부분인 행은 PDF 텍스트 레이어가 알려 주는 방향에 맞춰 열을 정렬합니다. 그래도 모든 레이아웃을 복원할 수는 없습니다.

20 MiB와 150페이지 제한 외에도 안전을 위해 페이지당 텍스트 조각 100,000개 또는 250,000자, 문서 전체 1,000,000개 또는 5,000,000자로 제한합니다. 따라서 텍스트가 지나치게 잘게 나뉜 PDF는 파일 크기와 페이지 수가 기준 안이어도 처리가 중단될 수 있습니다.

CSV, TSV와 스프레드시트 안전

쉼표, 세미콜론, 탭 구분자를 선택할 수 있고 탭 출력은 TSV로 저장됩니다. 레코드 줄바꿈은 CRLF입니다. 선택한 구분자, 큰따옴표, 캐리지 리턴, 줄바꿈이 들어 있는 필드는 큰따옴표로 감싸며 필드 안 큰따옴표는 두 번 씁니다. RFC 4180의 일반적인 규칙을 선택한 구분자에 맞춰 적용한 방식입니다.

수식 보호는 기본으로 켜져 있습니다. 앞쪽 공백을 제외하고 =, +, -, @로 시작하는 셀에는 지원되는 전각 문자까지 포함해 아포스트로피를 붙입니다. 스프레드시트가 이를 텍스트로 처리할 가능성을 높이지만 셀 값은 달라집니다. 보호를 끄면 추출된 원문을 유지할 수 있으나 신뢰할 수 없는 PDF의 수식 형태 내용을 스프레드시트에서 여는 것은 위험할 수 있습니다. OWASP CSV Injection 안내처럼 모든 스프레드시트와 재저장 과정에 통하는 완전한 대응법은 없습니다.

선택형 UTF-8 표시는 일부 프로그램이 한글과 비라틴 문자를 인식하는 데 도움이 됩니다. 회계, 보고, 자동 가져오기에 쓰기 전에 다운로드한 파일을 확인하세요.

비공개 단계 데이터

PDF, 감지된 표, 선택 사항은 이 브라우저 안에만 남습니다. 3단계 화면 이동을 이어 갈 수 있도록 용량이 제한된 로컬 브라우저 저장소에 최대 30분 보관합니다. 다운로드도 로컬에서 만들며 이 도구가 업로드하는 데이터는 없습니다. 처음부터 다시 시작하면 현재 작업이 삭제되고 브라우저 저장 정책이나 비공개 모드에 따라 더 빨리 지워질 수 있습니다.