O que é a revisão de tabelas PDF?
A ferramenta encontra tabelas em PDFs com texto selecionável e permite conferir e corrigir as células antes da exportação. O registro inclui o SHA-256 do original e sua declaração de revisão. Isso identifica a origem, mas não comprova uma extração correta.
Exemplo e resultado esperado
O exemplo criado para a ferramenta tem duas páginas: uma tabela com bordas e outra sem bordas. Cada uma tem três linhas de dados e quatro colunas. Gamma deve manter os dois valores 70.50. Selecione a região completa e exporte cada tabela separadamente após conferir.
Como extrair e conferir uma tabela
- Escolha um PDF com texto ou teste o exemplo de duas páginas. Mantenha o original disponível para comparação.
- Escolha uma tabela da lista. Marque o cabeçalho e todas as linhas de dados; as coordenadas exatas também podem ser inseridas pelo teclado. Exclua títulos e notas fora da tabela.
- Compare cabeçalhos, relações entre linhas, nomes com quebra de linha e valores. Corrija as células erradas. Se duas tabelas foram unidas, separe-as e confira cada região novamente. Confira primeiro o cabeçalho original. Esta ferramenta não detecta automaticamente cabeçalhos com várias linhas.
- Após conferir a tabela inteira, marque a confirmação. Baixe CSV para planilhas ou JSON para as strings originais e o registro de revisão. Qualquer edição ou mudança de região remove a confirmação.
Qual saída escolher?
Formatos e limites
PDF: 20 MiB, 20 páginas e 40 tabelas. Cada tabela permite 1,000 linhas de dados, 100 colunas e 2,000 células, incluindo o cabeçalho. Cabeçalhos vazios ou mesclados, células com imagens e páginas digitalizadas não são compatíveis. Rotação, ordem do texto e múltiplas linhas de cabeçalho não identificadas exigem cuidado. Uma tabela incompatível pode impedir a extração do documento. Limites: 200,000 caracteres no texto, 10,000 por célula e 5,000 itens de texto por página. A extração tem prazo de 60 segundos, sem garantia de tempo total de inicialização.
Se o resultado não corresponder à página
Texto ausente ou extra pode indicar um título incluído, uma linha omitida ou células diferentes. Ajuste a região completa e confira todas as células. Contagens iguais não verificam relações nem significado numérico.
Para digitalizações, caracteres ilegíveis ou cabeçalhos mesclados, use outra extração e confira o resultado. Esta ferramenta não aplica OCR nem transforma células mescladas em uma tabela supostamente correta. Cabeçalhos com várias linhas ou mesclados não são compatíveis. Extraia o texto e organize os cabeçalhos manualmente; a segunda linha de cabeçalho não deve ser tratada como dados.
Se o carregamento falhar, escolha um PDF de texto menor e não criptografado. Cancele ou limpe o arquivo e selecione-o novamente. Atualizar a página remove os arquivos selecionados e os resultados em memória.
A opção JSON aceita apenas o formato de transferência ToolRobin com limites de tamanho e estrutura. Escolha o PDF original primeiro. Uma substituição que falha mantém os candidatos existentes, mas revoga a confirmação.
Se a planilha remover zeros iniciais ou alterar um identificador, importe novamente um CSV novo com essas colunas definidas como texto antes de carregar. Alterar o formato depois da conversão não recupera os dígitos perdidos. Compare os valores importados com o original ou as strings JSON; não sobrescreva seu único original. JSON também preserva o registro de revisão.
Perguntas frequentes
O que esta ferramenta extrai?
Tabelas simples da camada de texto legível de um PDF. Confira uma tabela por vez e baixe suas células como CSV ou JSON. Páginas digitalizadas, células com imagens e cabeçalhos mesclados não são compatíveis.
Texto correspondente significa uma tabela correta?
Não. A comparação verifica o texto na região selecionada. O mesmo texto ainda pode estar na linha ou coluna errada. Compare a tabela inteira com a página antes de confirmar.
Por que o botão de download está desativado?
A região deve corresponder ao texto das células atuais e você deve declarar que conferiu o original. Editar células, mudar a região ou importar uma substituição remove a confirmação. Siga a mensagem e confira novamente.
Quais são os limites?
Um PDF de até 20 MiB e 20 páginas, com até 40 tabelas. Cada tabela: 100 colunas, 1,000 linhas de dados e 2,000 células incluindo cabeçalho. O limite de células pode ser atingido antes do limite de linhas. A prévia tem até 2,400 pixels por lado e 6 milhões de pixels.
Meu PDF ou JSON é enviado?
Não. Ambos são lidos no navegador e os resultados ficam na memória. O código de processamento é baixado do mesmo site. A opção de transferência não conecta Python, executa modelos nem envia arquivos a um serviço de extração.
Um assistente de IA pode usar o resultado?
Um assistente ou script pode ler o JSON, as strings originais, a identidade SHA-256 e as edições. O contrato local de inspeção usa as mesmas regras de comparação e exportação. A integração nativa deste recurso com clientes MCP ainda não foi aceita; um resumo ou declaração do chamador não é uma verificação independente.