Пространственное извлечение таблиц: превращение статических PDF в редактируемые электронные таблицы
PDF-файлы были созданы для стабильной визуальной печати, а не для редактирования структурированных данных. В отличие от электронных таблиц, PDF не хранят родные таблицы; они хранят отдельные плавающие текстовые глифы с маркерами геометрических координат.
Наш встроенный в браузер парсер преодолевает этот разрыв с помощью высокоточной пространственной кластеризации. Оценивая ограничивающие рамки символов, высоту шрифтов и разделители пробелов, он реконструирует табличные матрицы в локальной RAM, создавая чистые, структурированные рабочие книги Microsoft Excel, готовые к немедленным вычислениям.