Bảng tiếp sang trang sau bị tách thành nhiều bảng
Bạn chuyển đổi một danh mục chạy qua nhiều trang — và nhận về mỗi trang một bảng. Dòng tiêu đề lại hiện lên đầu mỗi bảng, giữa chúng là chữ «tiếp theo» hoặc số trang, còn trong Excel thì cùng một bảng bị tãi ra thành từng ấy trang tính. Việc mất thời gian chính là nối chúng lại bằng tay.
Nguyên nhân là PDF được vẽ theo từng trang và không ghi lại việc một bảng còn tiếp. Trong tệp chỉ có những chỉ thị: «vẽ tự dạng này ở toạ độ này», «kẻ một đường ở đây». Không chỗ nào nói rằng các dòng ở trang này nối tiếp các dòng ở trang trước. Dòng tiêu đề được in lại ở mỗi trang, giữa chúng là số trang hay chữ «tiếp theo», nên đọc một cách máy móc thì một bảng thành ra từng ấy bảng theo số trang.
Vậy nên phần tiếp nối phải được đọc lại từ trình tự các trang. PDFIntact so bảng cuối cùng của một trang với bảng đầu tiên của trang kế, và khi giữa chúng chỉ còn những thứ có thể bỏ qua — số trang, dòng «tiếp theo» — thì nối lại thành một bảng chỉ giữ dòng tiêu đề một lần. Bảng đã nối còn mang theo khoảng trang mà nó trải qua.
Thử ngay
Kiểm tra bằng chính tệp PDF của bạn
Việc kiểm tra chạy hoàn toàn trong trình duyệt của bạn. Tệp không hề được gửi đi đâu và cũng không cần tài khoản. Trước khi trả tiền, bạn đã thấy được bao nhiêu trang, bảng và hình có thể bóc tách.
Ví dụ
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。
Câu hỏi thường gặp
- Bảng tiếp sang trang sau có thành một bảng không?
- Đó chính là việc nó làm. Bảng cuối cùng của một trang và bảng đầu tiên của trang kế được đem so với nhau, và khi giữa chúng chỉ còn những thứ có thể bỏ qua — số trang, dòng chú thích ghi «tiếp theo» — thì các dòng được nối thành một bảng. Trong lần kiểm chứng, một danh mục trải trên ba trang đã ra thành một bảng gồm 165 dòng dữ liệu, thứ tự giữ nguyên như bản gốc. Khi hai phần không khớp thì để riêng thành từng bảng, không nối gượng.
- Dòng tiêu đề có bị lặp ở chỗ nối không?
- Không. Dòng tiêu đề in lại ở đầu mỗi trang không được đưa vào bảng đã nối; nó chỉ giữ một lần, ở trên cùng. Trong danh mục ba trang mà chúng tôi kiểm chứng, bảng đã nối chỉ có một dòng tiêu đề, bên dưới là các dòng dữ liệu theo đúng thứ tự bản gốc.
- Còn bảng có các cột tiếp sang trang sau thì sao?
- Loại đó không nối. Bảng giữ nguyên các dòng nhưng mỗi trang lại đổi cột sẽ hỏng nếu nối theo dòng, nên vẫn để mỗi trang một bảng. Chúng tôi đã kiểm trên một mẫu đúng dạng ấy, và nó không bị nối nhầm. Nó ra theo từng trang, và dòng chú thích là dấu hiệu duy nhất cho biết các trang ấy thuộc về nhau.
- Có biết bảng đã trải qua những trang nào không?
- Xét cả bảng thì có: bảng đã nối mang theo trang đầu và trang cuối mà nó trải qua, trong kết quả JSON. Còn một dòng cụ thể đến từ trang nào thì không được ghi lại. Cũng lưu ý rằng những trang đã bị gộp vào không còn bảng của riêng chúng — thứ ở lại chỉ là dòng chú thích «tiếp theo», dưới dạng một khối văn bản.
- Trong Excel thì ra sao?
- Một bảng là một trang tính, nên bảng nối qua ba trang cũng chỉ nằm trong một trang tính với một dòng tiêu đề, đặt tên theo trang mà bảng bắt đầu. Những trang bị gộp vào không được tạo trang tính riêng. Đường kẻ và ô gộp đều được dựng lại. Khoảng trang mà bảng trải qua không được ghi vào tệp Excel; nó nằm trong kết quả JSON.
Kiểm tra một tệp PDF với tất cả triệu chứng／ Mỗi định dạng chứa những gì