PDF 表格提取与核对

什么是 PDF 表格核对？

从可选择文字的 PDF 中提取表格，供你对照原稿检查、修改，再导出。核对记录包含原文件 SHA-256 和你的确认；这些记录标明来源，不证明提取正确。

怎样提取并核对表格

1. 选择一份文字型 PDF，或先试用两页示例。核对时保留原稿。
2. 在列表中选择表格，框住表头和全部数据行；也可用键盘填写精确坐标。排除表格以外的页标题和脚注。
3. 逐项对照表头、行列对应关系、换行名称和金额，直接修改有误的单元格。两张独立表格被连在一起时，可展开拆分功能，分别重新选择区域并核对。 请先检查原稿的表头结构；本工具不会自动识别多层表头。
4. 完整核对后勾选确认，再下载 CSV 或 JSON。CSV 适合电子表格；JSON 保留字符串和核对记录。修改单元格或区域会取消确认。

应该选择哪种输出？

格式与限制

PDF 最多 20 MiB、20 页、40 张表格；每张最多 1000 行数据、100 列，含表头共 2000 个单元格。不支持空表头、合并表头、图像单元格和扫描页。旋转、阅读顺序及未标记的多行表头需要特别核对；一张表不受支持时，整份文档可能被拒绝。 文字总量最多 20 万个字符，每个单元格最多 1 万个字符，每页文字最多 5,000 项。提取限时 60 秒，不代表从选文件到完成的总耗时承诺。

结果与原稿不符时怎么办

缺少或多出文字，常见原因是区域包含了标题、遗漏了数据行，或提取文字有误。调整完整区域，再逐项核对单元格。文字数量一致不能证明对应关系或金额含义正确。

扫描页、乱码或合并表头需要采用其他提取方式，并核对其结果。本工具不添加 OCR，也不会把合并单元格强行展开后称为正确表格。 当前不支持多行或合并表头。请改用文字提取，再手动整理表头；第二层表头不能当作数据。

读取失败时，选择更小、未加密的文字型 PDF。取消或清除文件会丢弃当前任务，然后可以重新选择。刷新页面会移除所选文件和内存中的结果。

可选 JSON 入口只接受有大小和结构限制的 ToolRobin 交接格式，不接受任意 JSON。先选择对应原 PDF。替换失败会保留现有候选表格，但撤销导出确认。

如果电子表格删掉前导零或改写编号，请重新导入一份新 CSV，加载前把对应列设为文本。转换后再改格式不能恢复已丢失的数字。将导入值与原稿或 JSON 字符串逐项核对，不要覆盖唯一的原文件。JSON 还保留核对记录。

常见问题

这个工具能提取什么？

从可读取的 PDF 文字层提取平面表格，一次核对一张表，导出当前单元格为 CSV 或 JSON。暂不支持扫描页、图片单元格和合并表头。

文字对上了，表格就正确吗？

不是。这里只比较所选区域内的文字，相同文字仍可能被放到错误的行或列。勾选确认前，请对照原页核对完整表格。

为什么下载按钮不可用？

所选区域文字必须与当前单元格对上，并且需要勾选已核对原稿。修改单元格、区域或导入替换结果都会取消确认。根据不匹配提示修正后，再重新核对。

文件和表格有多大限制？

一份 PDF 最多 20 MiB、20 页，每份文档最多 40 张表。每张表最多 100 列、1,000 个数据行，含表头最多 2,000 个单元格；因此可能先达到单元格上限。预览每边最多 2,400 像素，总计最多 600 万像素。

PDF 或 JSON 会上传吗？

不会。此工作区在浏览器中读取文件，结果保存在内存中，只从同一站点下载处理代码。可选交接入口不连接 Python、不运行模型，也不把文件发送给提取服务。

AI 助手能使用结果吗？

助手或脚本可以读取 JSON 中的原始字符串、SHA-256 文件身份、修改记录和核对声明。已有本地检查协议复用相同的文字核对与导出规则。此工具的原生 MCP 客户端调用仍未验收；摘要或调用方确认不等于独立验证。