Estrazione Tipizzata delle Tabelle
THotPDF.ExtractLoadedTypedTables converte righe semantiche di tabelle in una griglia canonica di colonne pubblica, senza modificare il documento caricato
Continuità delle tabelle
Frammenti adiacenti compatibili possono aggiungere colonne canoniche, trasformando gli start intermedi mancanti in valori espliciti di ColumnSpan invece di scartare gli heading uniti
Tabelle compatibili su pagine consecutive diventano una sola tabella, mentre le righe di header iniziali corrispondenti restano presenti e portano IsRepeatedHeader
Valori tipizzati e confidence
Ogni cella conserva il testo Unicode originale, i bounds nello spazio pagina, row e column span, il valore normalizzato, lo storage tipizzato, il codice valuta e la confidence
L'inference riconosce valori vuoti, string, integer, number, boolean, date, date-time, currency e percentage, sotto regole di decimali, migliaia e ordine delle date scelte dal chiamante
Esportazione con limiti
ExportLoadedTypedTables scrive righe CSV in stile RFC 4180 espanse o JSON ricco di metadati attraverso uno staging stream con limiti e una pubblicazione finale rollback-safe
I limiti su pagine, glifi, tabelle sorgente, tabelle di output, righe, celle, testo, byte di output, confidence e cancellation vengono verificati prima di pubblicare i risultati
Cartelle di lavoro XLSX
L'unità HPDFXLSXExport esporta THPDFTypedTables come cartella di lavoro Office Open XML senza installare Office né caricare una libreria spreadsheet esterna
HPDFExportTypedTablesXLSX scrive su uno stream leggibile, scrivibile e con seek alla posizione corrente, mette in staging la cartella di lavoro completa prima della pubblicazione e ripristina i byte sovrascritti quando si verifica un fallimento di scrittura recuperabile
HPDFExportTypedTablesXLSXFile usa un file temporaneo creato in modo esclusivo accanto alla destinazione, ne esegue il flush e sostituisce atomicamente la destinazione solo dopo un export riuscito
HPDFExportLoadedTypedTablesXLSX combina l'estrazione con l'export su stream e rifiuta una destinazione che è alias della sorgente caricata
Ogni tabella estratta diventa un worksheet chiamato Table N, con celle numeriche e booleane, formati data e data-time, codici valuta nei formati numerici, formati percentuale e range uniti validati
Gli integer con più di 15 cifre decimali vengono memorizzati come testo per preservarne il valore esatto, perché le celle numeriche di Excel hanno precisione limitata
Le stringhe restano testo letterale, inclusi i valori che iniziano con =, e i caratteri di controllo XML e le sequenze di escape letterali di Office Open XML vengono preservate attraverso l'escaping SpreadsheetML
Per default, un worksheet nascosto Source metadata registra l'indirizzo cella nella cartella di lavoro, gli indici zero-based di pagina e tabella sorgente, il testo originale e normalizzato, il tipo di valore, il codice valuta, i bounds nello spazio pagina e la confidence per ogni cella sorgente
THPDFXLSXExportOptions.Default consente fino a 4.096 tabelle, 1.000.000 di righe, 1.000.000 di celle e 256 MiB di output, con un THPDFCancellationToken opzionale e un'opzione per omettere il worksheet dei metadati
L'export rifiuta merge sovrapposti, indici di colonna non ordinati o duplicati, numeri non finiti, codici valuta non validi, date fuori dall'intervallo 1900-9999, testo più lungo di 32.767 unità UTF-16 e worksheet oltre i limiti Excel di 1.048.576 righe o 16.384 colonne
Il foglio dei metadati ha una riga di intestazione, quindi abilitarlo limita inoltre le celle sorgente a 1.048.575 sull'intera cartella di lavoro; un'estrazione vuota produce comunque un foglio visibile
I membri ZIP usano il metodo di compressione stored, quindi la dimensione dell'output può essere maggiore delle cartelle di lavoro compresse; l'exporter non conserva né lo stile visivo del PDF né grafici, formule, macro o immagini incorporate
I job JSON e la C ABI espongono la stessa pipeline della cartella di lavoro tramite tables.export con format: "xlsx" e i medesimi budget di estrazione e output