Un tableau qui se poursuit page suivante ressort en tableaux séparés
Vous convertissez une liste qui court sur plusieurs pages — et vous obtenez un tableau par page. La ligne d'en-tête revient en haut de chacun, une mention « suite » ou un numéro de page s'intercale, et dans Excel le même tableau se répartit sur autant de feuilles qu'il avait de pages. C'est le raccordement à la main qui prend le temps.
La cause : un PDF est dessiné page par page et ne consigne rien de la continuité d'un tableau. Son contenu, ce sont des instructions : « trace ce glyphe à ces coordonnées », « trace un filet ici ». Rien n'y dit que les lignes de cette page prolongent celles de la précédente. L'en-tête est réimprimé sur chaque page et un numéro de page ou une mention « suite » s'intercale : lu mécaniquement, un tableau devient autant de tableaux qu'il avait de pages.
La continuité doit donc être relue à partir de la suite des pages. PDFIntact compare le dernier tableau d'une page au premier tableau de la suivante et, lorsque ce qui les sépare se réduit à ce qu'on peut sauter — un numéro de page, une mention « suite » —, il les raccorde en un seul tableau dont l'en-tête n'est conservé qu'une fois. Un tableau raccordé porte aussi la plage de pages qu'il couvrait.
Essayer maintenant
Vérifiez sur votre propre PDF
L'analyse se fait entièrement dans votre navigateur. Votre fichier n'est jamais envoyé et aucun compte n'est requis. Voyez avant de payer combien de pages, de tableaux et de figures peuvent être extraits.
Exemple
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。
Questions fréquentes
- Un tableau qui court sur plusieurs pages ressort-il en un seul tableau ?
- C'est ce à quoi cela sert. Le dernier tableau d'une page et le premier de la suivante sont comparés, et lorsque ce qui les sépare se réduit à ce qu'on peut sauter — un numéro de page, une légende « suite » —, les lignes sont raccordées en un seul tableau. Lors de nos essais, une liste étalée sur trois pages est ressortie en un tableau de 165 lignes de données, dans l'ordre d'origine. Quand les deux ne concordent pas, ils restent des tableaux séparés plutôt que d'être raccordés de force.
- La ligne d'en-tête se répète-t-elle au raccord ?
- Non. L'en-tête réimprimé en haut de chaque page n'est pas repris dans le tableau raccordé : il n'est conservé qu'une fois, en tête. Dans la liste de trois pages que nous avons testée, le tableau raccordé n'avait qu'une ligne d'en-tête, suivie des lignes de données dans l'ordre d'origine.
- Et un tableau dont les colonnes se poursuivent page suivante ?
- Ceux-là ne sont pas raccordés. Un tableau qui garde les mêmes lignes et change de colonnes à chaque page serait détruit par un raccordement ligne à ligne : il reste donc un tableau par page. Nous l'avons vérifié sur un spécimen exactement de cette forme, qui n'a pas été raccordé par erreur. Il ressort page par page, la légende étant le seul indice que les pages vont ensemble.
- Peut-on savoir sur quelles pages le tableau s'étendait ?
- Pour le tableau dans son ensemble, oui : un tableau raccordé porte dans la sortie JSON la première et la dernière page qu'il couvrait. De quelle page vient une ligne donnée n'est pas consigné. Notez aussi que les pages absorbées ne portent plus de tableau : il n'y reste que la légende « suite », sous forme de bloc de texte.
- Comment cela arrive-t-il dans Excel ?
- Un tableau, une feuille : un tableau raccordé sur trois pages arrive donc en une seule feuille avec une ligne d'en-tête, nommée d'après la page où le tableau commence. Aucune feuille n'est créée pour les pages absorbées. Les filets et les cellules fusionnées sont reproduits. La plage de pages couverte n'est pas inscrite dans le fichier Excel ; elle est dans la sortie JSON.
Tester un PDF sur tous les symptômes／ Ce que contient chaque format