PDF naar Excel converter

Wat de detector wel en niet kan terughalen

PDF-pagina’s bewaren gepositioneerde tekst, geen spreadsheetcellen. Deze converter groepeert tekst die dicht bij elkaar staat in rijen, zoekt naar terugkerende kolomposities, vult ontbrekende cellen op en weigert blokken die niet op een regelmatige tabel lijken. Bij het lezen van de posities houdt de converter ook rekening met paginarotatie en het zichtbare paginavak.

De detector is bewust terughoudend. Het is beter om geen tabel te melden dan om andere paginatekst om te zetten in een overtuigende maar onjuiste spreadsheet. Vergelijk belangrijke waarden altijd met de bron-PDF voordat je ermee rekent, ze importeert of gegevens afstemt.

Exportindelingen

XLSX maakt één werkblad per geselecteerde tabel, met maximaal 200 werkbladen in één download. Elke geëxtraheerde waarde wordt als tekstcel geschreven. De converter leidt geen getallen, datums, formules, valuta’s of boekhoudnotaties af en maakt geen randen, lettertypen, samengevoegde cellen of het oorspronkelijke paginaontwerp na.

CSV en TSV downloaden elke geselecteerde tabel afzonderlijk. Komma, puntkomma en tab zijn beschikbaar als scheidingstekens. Velden met een scheidingsteken, aanhalingsteken of regeleinde worden tussen dubbele aanhalingstekens gezet. Records gebruiken CRLF-regeleinden volgens de gangbare regels in RFC 4180. Een UTF-8-BOM staat standaard aan om de compatibiliteit met spreadsheetprogramma’s te verbeteren, maar het juiste scheidingsteken hangt nog steeds af van de toepassing en landinstellingen waarmee je importeert.

Beveiliging tegen spreadsheetformules

Een PDF kan tekst bevatten die begint met =, +, - of @. Sommige spreadsheetprogramma’s kunnen deze tekst bij het openen van een CSV-bestand als formule interpreteren. Formulebeveiliging staat standaard aan en plaatst een voorloopteken voor CSV-cellen die op formules lijken, zodat ze eerder tekst blijven. Dit geldt ook voor cellen met voorafgaande witruimte en de volbrede varianten van die tekens.

Deze maatregel verkleint het risico, maar biedt geen universele veiligheidsgarantie. De OWASP-richtlijn voor CSV Injection merkt op dat spreadsheetprogramma’s verschillend reageren en dat escaping kan veranderen nadat een CSV opnieuw is opgeslagen en geopend. Laat de beveiliging aan voor niet-vertrouwde PDF’s, controleer de geëxporteerde cellen en schakel geen macro’s in of negeer geen beveiligingswaarschuwingen. De XLSX-uitvoer schrijft geëxtraheerde waarden uitdrukkelijk als tekstcellen en niet als formules.

Limieten en persoonlijke browseropslag

• Eén PDF tegelijk, van maximaal 20 MiB en 150 pagina’s.
• PDF’s met te veel tekstfragmenten, tekst of tabelgegevens worden geweigerd voordat ze de browser kunnen overbelasten.
• Het voorbeeld toont de eerste 100 rijen van elke gedetecteerde tabel; de export bevat alle gedetecteerde rijen binnen de veiligheidslimieten.
• Een werkmap kan maximaal 200 geselecteerde werkbladen bevatten.
• Met een wachtwoord beveiligde en versleutelde PDF’s worden niet ondersteund. Ontgrendel een toegestane kopie voordat je de converter gebruikt.
• Tijdens de workflow met drie stappen worden de bron-PDF, gedetecteerde tabellen en instellingen 30 minuten lang privé in deze browser bewaard. Er blijven maximaal drie taken en 80 MiB aan lokale taakgegevens behouden.
• Alleen een willekeurige taakcode verschijnt in de funnel-URL. De PDF, geëxtraheerde waarden en gedownloade bestanden worden niet via Livewire verstuurd en niet naar de resultatenserver geüpload.
• Met Opnieuw beginnen verwijder je de huidige lokale taak. Verlopen of ongeldige records worden verwijderd wanneer de tool de browseropslag de volgende keer controleert.

De PDF wordt via PDF.js uit de lokale bytes geladen. De tool downloadt zijn programmabibliotheken als normale webbestanden, maar stuurt de geselecteerde PDF niet met die verzoeken mee.

Toegankelijke controle

De uploadbediening werkt met het toetsenbord, voortgang en fouten worden aan hulptechnologie gemeld en gedetecteerde tabellen gebruiken bijschriften en kolomkoppen. Het voorbeeld kan op kleine schermen horizontaal scrollen en behoudt de gedetecteerde richting voor tabellen van rechts naar links. Deze functies helpen bij het controleren van de extractie, maar vervangen het vergelijken met de bron niet wanneer nauwkeurigheid belangrijk is.