Typisierte Tabellenextraktion
THotPDF.ExtractLoadedTypedTables wandelt semantische Tabellenzeilen in ein öffentliches kanonisches Spaltengitter um, ohne das geladene Dokument zu verändern
Tabellenkontinuität
Kompatible benachbarte Fragmente können kanonische Spalten ergänzen und verwandeln fehlende Zwischenstarts in explizite ColumnSpan-Werte, statt zusammengeführte Kopfzeilen zu verwerfen
Kompatible Tabellen auf Folgeseiten verschmelzen zu einer Tabelle, während passende führende Kopfzeilen erhalten bleiben und IsRepeatedHeader tragen
Typisierte Werte und Confidence
Jede Zelle behält den ursprünglichen Unicode-Text, die Grenzen im Seitenraum, Zeilen- und Spaltenspans, den normalisierten Wert, den typisierten Speicher, den Currency-Code und die Confidence
Die Inferenz erkennt leere, String-, Integer-, Zahlen-, Boolean-, Datums-, Datum-Zeit-, Currency- und Prozentwerte gemäß den vom Aufrufer gewählten Regeln für Dezimal- und Tausendertrennzeichen sowie die Datumsreihenfolge
Begrenzter Export
ExportLoadedTypedTables schreibt erweiterte CSV-Zeilen im RFC-4180-Stil oder metadatenreiches JSON über einen begrenzten Staging-Stream und eine rollback-sichere finale Veröffentlichung
Limits für Seiten, Glyphen, Quelltabellen, Ausgabetabellen, Zeilen, Zellen, Text, Ausgabebytes, Confidence und Abbruch werden geprüft, bevor Ergebnisse veröffentlicht werden
XLSX-Arbeitsmappen
Die Unit HPDFXLSXExport exportiert THPDFTypedTables als Office-Open-XML-Arbeitsmappe, ohne dass Office installiert oder eine externe Spreadsheet-Bibliothek geladen werden muss
HPDFExportTypedTablesXLSX schreibt an der aktuellen Position in einen lesbaren, beschreibbaren, seekbaren Stream, staget die vollständige Arbeitsmappe vor der Veröffentlichung und stellt überschriebene Bytes wieder her, wenn ein behebbarer Schreibfehler auftritt
HPDFExportTypedTablesXLSXFile verwendet eine exklusiv erzeugte temporäre Datei neben dem Ziel, flusht sie und ersetzt das Ziel erst nach erfolgreichem Export atomar
HPDFExportLoadedTypedTablesXLSX kombiniert Extraktion und Stream-Export und weist ein Ziel zurück, das ein Alias der geladenen Quelle ist
Jede extrahierte Tabelle wird ein Arbeitsblatt namens Table N, mit numerischen und booleschen Zellen, Datums- und Datum-Zeit-Formaten, Currency-Codes in Zahlenformaten, Prozentformaten und validierten verbundenen Bereichen
Ganzzahlen mit mehr als 15 Dezimalstellen werden als Text gespeichert, um ihren exakten Wert zu bewahren, weil numerische Excel-Zellen nur begrenzte Präzision haben
Strings bleiben literaler Text, einschließlich Werten, die mit = beginnen, und XML-Steuerzeichen sowie literale Office-Open-XML-Escape-Sequenzen werden durch SpreadsheetML-Escaping bewahrt
Standardmäßig zeichnet ein verstecktes Arbeitsblatt Source metadata die Arbeitsmappen-Zelladresse, die nullbasierten Quellseiten- und Tabellenindizes, den ursprünglichen und normalisierten Text, die Wertart, den Currency-Code, die Grenzen im Seitenraum und die Confidence für jede Quellzelle auf
THPDFXLSXExportOptions.Default erlaubt bis zu 4.096 Tabellen, 1.000.000 Zeilen, 1.000.000 Zellen und 256 MiB Ausgabe, mit optionalem THPDFCancellationToken und einer Option zum Weglassen des Metadaten-Arbeitsblatts
Der Export weist überlappende Verbunde, ungeordnete oder doppelte Spaltenindizes, nicht endliche Zahlen, ungültige Currency-Codes, Datumsangaben außerhalb 1900 bis 9999, Text länger als 32.767 UTF-16-Einheiten sowie Arbeitsblätter außerhalb Excels Grenzen von 1.048.576 Zeilen bzw. 16.384 Spalten zurück
Das Metadaten-Blatt hat eine Kopfzeile, daher begrenzt seine Aktivierung die Quellzellen zusätzlich auf 1.048.575 in der gesamten Arbeitsmappe; eine leere Extraktion erzeugt weiterhin ein sichtbares Blatt
ZIP-Member verwenden die Stored-Kompressionsmethode, daher kann die Ausgabegröße über der komprimierter Arbeitsmappen liegen; der Exporter übernimmt weder die visuelle PDF-Formatierung noch Diagramme, Formeln, Makros oder eingebettete Bilder
JSON-Jobs und die C-ABI legen dieselbe Arbeitsmappen-Pipeline über tables.export mit format: "xlsx" offen und nutzen dieselben Extraktions- und Ausgabebudgets