Uma tabela que continua na página seguinte sai como tabelas separadas
Você converte uma listagem que corre por várias páginas — e recebe uma tabela por página. A linha de cabeçalho reaparece no alto de cada uma, entre elas fica um «continua» ou um número de página, e no Excel a mesma tabela se espalha por tantas planilhas quantas eram as páginas. O que toma tempo é juntar tudo de novo à mão.
A causa é que um PDF é desenhado página a página e não guarda nada sobre uma tabela continuar. O seu conteúdo são instruções: «desenhe este glifo nestas coordenadas», «trace um fio aqui». Nada diz que as linhas desta página prolongam as da anterior. O cabeçalho é impresso de novo em cada página e no meio fica um número de página ou um «continua», de modo que lida mecanicamente, uma tabela vira tantas tabelas quantas eram as páginas.
Então a continuidade tem de ser relida a partir da sequência das páginas. O PDFIntact compara a última tabela de uma página com a primeira da seguinte e, quando entre elas só há o que se pode saltar — um número de página, um «continua» —, junta as duas numa única tabela com o cabeçalho mantido uma só vez. Uma tabela juntada leva ainda o intervalo de páginas que percorreu.
Testar agora
Confira no seu próprio PDF
A verificação roda inteiramente no seu navegador. Seu arquivo nunca é enviado e não é preciso criar conta. Veja quantas páginas, tabelas e figuras dá para extrair antes de pagar.
Exemplo
3つの表が、1つの表になります
3ページに分かれて出ていた表が、どう1つになるかを示した図です。実際の値ではなく、行の並び方だけを表しています。
そのまま変換したとき（ページごとの表）
［1ページ目の表］ 見出し行 行 A 行 B ［2ページ目の表］（続き） 見出し行 ← 2度目 行 C 行 D ［3ページ目の表］ 見出し行 ← 3度目 行 E
PDFIntact を通したとき（1つの表）
［1つの表］跨いだページ 1〜3 見出し行 行 A 行 B 行 C 行 D 行 E
3ページに跨る統計表で実際に確かめています。 3ページに分かれていた表が1つの表になり、見出し行は1行だけ、続く165行のデータは原本と同じ順序で並びました。
繋がない表もあります
同じ行のままページごとに列（項目）が変わる型の表は繋ぎません。 行として繋ぐと壊れるからです。その型の検体でも、3ページとも独立した表のままで、 誤って繋ぐことはありませんでした。 続きを示す語も「（続き）」のように括弧の中か行の端にある形だけを見ます。 「手続き」「続柄」のような語を含む本文で、無関係な表を繋いでしまわないためです。
形式ごとに、どう入るか
繋いだ表は1つの表として入りますが、跨いだページの範囲が残る形式は限られます。
Excel（.xlsx）
1つの表が1枚のシート。跨いでいた表も1枚に収まり、見出し行は1行です。シート名は表が始まったページの番号から付きます。罫線と結合セルは再現します。
Word（.docx）
文書順のまま、表が始まったページの位置に1つの表として入ります。
Markdown（.md）
同じ位置に、パイプ記法の1つの表として置きます。
JSON
繋いだ表にだけ、跨いでいたページの範囲（先頭と末尾）が入ります。繋いでいない表には付きません。
吸い上げられたページに残るもの
繋いだ行は先頭のページの表にまとまるので、後ろのページには表が残りません。 残るのは「（続き）」のキャプションだけで、それは本文のブロックとして出ます。 跨いでいたページは表の単位では辿れますが、行の単位では分かりません。 また、表として繋がることと、中の文字が正しく読めていることは別の話です。 ブロックごとの確度の帯を見て、結果は必ず元のPDFと照合してください。
Perguntas frequentes
- Uma tabela que continua na página seguinte sai como uma tabela só?
- É para isso que serve. A última tabela de uma página e a primeira da seguinte são comparadas e, quando entre elas só há o que se pode saltar — um número de página, uma legenda «continua» —, as linhas são juntadas numa única tabela. Nos nossos testes, uma listagem espalhada por três páginas saiu como uma tabela de 165 linhas de dados, na ordem original. Quando as duas não encaixam, ficam como tabelas separadas em vez de serem juntadas à força.
- A linha de cabeçalho repete-se na emenda?
- Não. O cabeçalho reimpresso no alto de cada página não passa para a tabela juntada: fica uma só vez, no topo. Na listagem de três páginas que testámos, a tabela juntada tinha uma única linha de cabeçalho e, abaixo dela, as linhas de dados na ordem original.
- E uma tabela cujas colunas continuam na página seguinte?
- Essas não são juntadas. Uma tabela que mantém as mesmas linhas e muda de colunas em cada página seria destruída por uma junção por linhas, por isso fica uma tabela por página. Verificámos isso num exemplar exactamente com essa forma, que não foi juntado por engano. Sai página a página, e a legenda é o único sinal de que as páginas andam juntas.
- Dá para saber por que páginas passava a tabela?
- Para a tabela como um todo, sim: uma tabela juntada leva na saída JSON a primeira e a última página que percorreu. De que página veio cada linha não fica registado. Note também que as páginas absorvidas deixam de ter tabela própria — nelas fica apenas a legenda «continua», como bloco de texto.
- Como sai no Excel?
- Uma tabela é uma planilha, por isso uma tabela juntada ao longo de três páginas chega como uma única planilha com uma linha de cabeçalho, com o nome da página onde a tabela começa. Para as páginas absorvidas não se cria planilha. Os fios e as células mescladas são reproduzidos. O intervalo de páginas percorrido não é escrito no ficheiro Excel; está na saída JSON.
Verificar qualquer PDF em todos os sintomas／ O que vai em cada formato