PDFをCSVに変換

銀行の取引明細、価格表、レポートはPDFで共有されることが多いのですが、PDFには本当の行や列はなく、x座標とy座標に置かれた単語があるだけです。この変換ツールはその位置を読み取って単語を行にまとめ、ページを縦に貫く空白の間隔から列の位置を割り出し、Excel、Googleスプレッドシート、Numbers、データベースツールで開けるCSVファイルとして書き出します。処理はすべてブラウザー内で行われます。

使い方

1. テキストPDFのファイルを1つ以上ドロップします。
2. 必要に応じてページを絞り込みます（表のあるページだけなら例：2-4）。
3. 区切り文字を選びます。ほとんどのプログラムにはカンマ、欧州の言語設定のExcelにはセミコロン、またはタブです。
4. 1,234.50や(12.00)のような金額を普通の数値にしたいときは「数値を整形する」にチェックを入れます。
5. CSVをダウンロードして、プレビューの表を確認します。

計算式

同じ行：|y₁ − y₂| ≤ 0.45 × フォントサイズ。新しいセル：横の間隔 > 0.6 × フォントサイズ（標準）。列の境界：複数セルの行のうち5%以下しか通らないx位置。

セルが2つ以上ある行が列の位置に投票し、セルが1つだけの行（タイトル、注記）は始まりの列に置かれます。「広い間隔でのみ」はフォントサイズの1.5倍の間隔が必要で、単語間が広いフレーズをまとめて保ちます。「細かく」は詰まった表向けに、フォントサイズの0.3倍で分割します。

計算例

明細の1行に「03/14」「Coffee shop」「(4.50)」がx = 40、120、480 ptにあり、その間隔がフォントサイズ1つ分より大きいとき、結果は03/14,Coffee shop,(4.50)になります。「数値を整形する」をオンにすると金額は-4.50になり、表計算ソフトで合計できます。同じx範囲に文字がある行は、同じ列の下にそろいます。

できないこと

スキャンしたPDFには文字ではなく文字の画像が入っているため、OCRをかけるまでは空のCSVになります。セルの結合、セル内で折り返されたテキスト、互いに接している列がある表は、表計算ソフトで簡単な手直しが必要になる場合があります。折り返されたセルは2行になり、接している2つの列は1つに結合されることがあります。