Estraerò tabelle dal tuo PDF in un foglio Excel pulito

La maggior parte dei risultati "PDF to Excel" sono uno screenshot in una cella, o una tabella con tre righe fuse di spazzatura nel mezzo. Otterrai un foglio di calcolo che puoi effettivamente usare.

Ciò che faccio diversamente, e perché è importante

Le note a piè di pagina viaggiano con i dati. Le tabelle statistiche portano note che cambiano il significato dei numeri, con denominatori diversi, definizioni riviste, "dati dal 2019 in poi sono stati ribilanciati". La maggior parte delle estrazioni elimina queste note. Il risultato è un foglio di calcolo che sembra corretto ma è silenziosamente sbagliato. Le porto con me nel foglio.

Le tariffe e i livelli vengono separati in colonne nominate. Dove una tabella mescola migliaia e percentuali, ogni colonna è nominata in base a ciò che rappresenta. Non scoprirai che "21.0" era una tariffa semplicemente ordinandola e chiedendoti perché i totali sono insensati.

Niente viene indovinato. Se una pagina è illeggibile, una cella è ambigua o un dato manca, ricevi uno spazio vuoto più una nota che lo indica. Non riempio un buco con un numero plausibile.

Esempio pratico disponibile nella galleria gig: un bollettino di 37 pagine dell'Office for National Statistics del Regno Unito sul mercato del lavoro, quattro tabelle estratte in un workbook a quattro fogli con note a piè di pagina intatte e totali verificati in 15 aree, 4 dataset.