Eine Tabelle, die auf der nächsten Seite weitergeht, kommt als getrennte Tabellen heraus
Sie wandeln eine über mehrere Seiten laufende Liste um — und erhalten für jede Seite eine eigene Tabelle. Die Kopfzeile steht bei jeder erneut oben, dazwischen eine „Fortsetzung“ oder eine Seitenzahl, und in Excel verteilt sich dieselbe Tabelle auf so viele Blätter, wie sie Seiten hatte. Die Zeit geht für das Zusammenfügen von Hand drauf.
Der Grund: Ein PDF wird Seite für Seite gezeichnet und hält nichts darüber fest, dass eine Tabelle weitergeht. Sein Inhalt sind Anweisungen: „zeichne diese Glyphe an diese Koordinate“, „ziehe hier eine Linie“. Nirgends steht, dass die Zeilen dieser Seite die der vorigen fortsetzen. Die Kopfzeile wird auf jeder Seite neu gedruckt, dazwischen liegen Seitenzahl oder „Fortsetzung“ — maschinell gelesen werden aus einer Tabelle so viele Tabellen, wie sie Seiten hatte.
Die Fortsetzung muss also aus der Seitenfolge zurückgelesen werden. PDFIntact vergleicht die letzte Tabelle einer Seite mit der ersten Tabelle der nächsten, und wenn dazwischen nur Überspringbares liegt — eine Seitenzahl, eine „Fortsetzung“ —, fügt es beide zu einer Tabelle mit nur einer Kopfzeile zusammen. Eine zusammengefügte Tabelle trägt außerdem den Seitenbereich, über den sie lief.
Jetzt ausprobieren
Prüfen Sie es an Ihrem eigenen PDF
Die Prüfung läuft vollständig in Ihrem Browser. Ihre Datei wird nie hochgeladen, ein Konto ist nicht nötig. Sehen Sie vor dem Bezahlen, wie viele Seiten sowie wie viele Tabellen und Abbildungen sich herausholen lassen.
Beispiel
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。
Häufige Fragen
- Wird eine über Seiten laufende Tabelle zu einer einzigen Tabelle?
- Dafür ist es gedacht. Die letzte Tabelle einer Seite und die erste Tabelle der nächsten werden verglichen, und wenn dazwischen nur Überspringbares liegt — eine Seitenzahl, eine Beschriftung „Fortsetzung“ —, werden die Zeilen zu einer Tabelle zusammengefügt. In unserem Test wurde eine über drei Seiten laufende Liste zu einer Tabelle mit 165 Datenzeilen in unveränderter Reihenfolge. Passen die beiden nicht zusammen, bleiben sie getrennte Tabellen, statt erzwungen zusammengefügt zu werden.
- Wiederholt sich die Kopfzeile an der Nahtstelle?
- Nein. Die auf jeder Seite neu gedruckte Kopfzeile wird nicht in die zusammengefügte Tabelle übernommen; sie bleibt einmal ganz oben stehen. In der getesteten dreiseitigen Liste hatte die zusammengefügte Tabelle genau eine Kopfzeile, darunter die Datenzeilen in der ursprünglichen Reihenfolge.
- Und eine Tabelle, deren Spalten auf der nächsten Seite weitergehen?
- Die wird nicht zusammengefügt. Eine Tabelle, die dieselben Zeilen behält und auf jeder Seite andere Spalten zeigt, würde ein zeilenweises Zusammenfügen zerstören; sie bleibt daher je Seite eine eigene Tabelle. An einem Beleg genau dieser Form haben wir geprüft, dass sie nicht versehentlich zusammengefügt wird. Der einzige Hinweis auf die Zusammengehörigkeit bleibt die Beschriftung.
- Lässt sich erkennen, über welche Seiten die Tabelle lief?
- Für die Tabelle als Ganzes ja: Eine zusammengefügte Tabelle trägt in der JSON-Ausgabe die erste und die letzte Seite, über die sie lief. Von welcher Seite eine einzelne Zeile stammt, wird nicht festgehalten. Und die aufgenommenen Seiten tragen selbst keine Tabelle mehr — auf ihnen bleibt nur die Beschriftung „Fortsetzung“ als Textblock.
- Wie kommt das in Excel an?
- Eine Tabelle ist ein Blatt, also kommt eine über drei Seiten zusammengefügte Tabelle als ein einziges Blatt mit einer Kopfzeile an, benannt nach der Seite, auf der die Tabelle beginnt. Für die aufgenommenen Seiten entsteht kein eigenes Blatt. Linien und verbundene Zellen werden nachgebildet. Der Seitenbereich steht nicht in der Excel-Datei, sondern in der JSON-Ausgabe.
Ein PDF auf alle Symptome prüfen／ Was in welches Format kommt