PDF в Excel

Загружается — но только ради этой одной конвертации. Подавляющее большинство наших инструментов работают локально в браузере, и файл не покидает машину; для PDF в Excel нужен серверный разбор внутренних текстов и координат линий PDF, чтобы собрать ячейки в структуру таблицы — делать это в браузере на всём документе медленно и нестабильно, поэтому страница — одно из исключений с загрузкой. Загруженный файл используется только для конвертации: в базы не пишется, на сервере не хранится (удаляется сразу по завершении), третьим лицам не передаётся, никто его не видит. Если файл настолько чувствителен, что его не должен трогать даже сервис извлечения, сделайте это локально в Excel / WPS: Данные - Получить данные - Из PDF.

Нельзя — страница прямо отказывает и объясняет почему, а не выдаёт пустой лист. В сканах, фотографиях и PDF из картинок нет текстового слоя, только изображения; для извлечения нужен сначала OCR, распознающий картинки в текст, а этот инструмент OCR не делает. Самопроверка: если в просмотрщике PDF текст выделяется и копируется — слой есть; как ни тяните, не выделяется — это скан. Нужен OCR — прогоните сначала мобильным сканером или офисной программой с OCR.

Оформление не сохраняется; извлекается только содержание. В PDF нет понятия «таблица» — только текст и линии с координатами. Инструмент восстанавливает ячейки по линиям и позициям текста, поэтому шрифты, кегли, цвета, ширины столбцов, объединённые ячейки, картинки, комментарии, колонтитулы не воспроизводятся. Таблицы с видимыми границами извлекаются точнее всего; таблицы без линий, выровненные пробелами, тоже пробуются, но близкие соседние столбцы могут слиться в одну ячейку — сверяйте с листом «полный текст». Нужна точная вёрстка — используйте нашу страницу PDF в Word.

Нет. В PDF всё — текст; переданный как есть Excel начнёт «угадывать»: длинные номера станут 1,23E+19, табельный 0012 превратится в 12, ведущие нули исчезнут. Поэтому инструмент пишет числом Excel только явно безопасное (сумма вроде 1000,00 — сразу суммируется), а всё с ведущими нулями, длиннее 15 разрядов или с символами процентов/валюты пишет текстом, гарантированно читаемым как есть. Цена — такие столбцы нельзя суммировать напрямую: это осознанный компромисс, потому что испорченный идентификатор гораздо хуже несуммируемого столбца.

Столько листов, сколько таблиц распознано, с именами Таблица1, Таблица2 по порядку появления; последний лист всегда «полный текст» — построчная выкладка текста PDF, чтобы проверить, что ничего не потеряно. Через границу страниц: если на следующей странице повторяется строка шапки, части автоматически склеиваются в одну таблицу (повторная шапка удаляется); без повтора шапки таблица через страницы станет двумя, и склеивать их придётся самим в Excel — здесь мы не гадаем: неверная догадка грязнее чистого разделения.

20МБ на файл — сверх лимита страница блокирует до загрузки (запрос не отправляется, трафик и попытки не тратятся). 200 страниц — число страниц известно только после серверного разбора, поэтому файл свыше 200 страниц всё же загрузится и будет отклонён сервером, и эта попытка в лимит войдёт. У каждого IP есть также почасовой и суточный лимит извлечений; при превышении предложат позже. При отказе страница называет причину: не PDF, превышен размер, слишком много страниц, шифрование (нужен пароль), скан без текстового слоя, таймаут извлечения, сервис временно недоступен. При отказе исходный файл не трогается — возьмите другой файл или разбейте и повторите.