Typed Table Extraction
THotPDF.ExtractLoadedTypedTables convertește rândurile semantice de tabel într-o grilă publică canonică de coloane, fără a modifica documentul încărcat
Table continuity
Fragmentele adiacente compatibile pot adăuga coloane canonice, transformând începuturile intermediare lipsă în valori explicite ColumnSpan, în loc să arunce antetele îmbinate
Tabelele compatibile de pe pagini consecutive devin un singur tabel, în timp ce rândurile de antet inițiale care se potrivesc rămân prezente și poartă IsRepeatedHeader
Typed values and confidence
Fiecare celulă păstrează textul Unicode original, limitele în spațiul paginii, span-urile de rânduri și coloane, valoarea normalizată, stocarea tipizată, codul monedei și încrederea
Inferența recunoaște valorile goale, string, integer, number, boolean, dată, dată-oră, monedă și procent, conform regulilor alese de apelant pentru zecimale, separatorul de mii și ordinea datei
Bounded export
ExportLoadedTypedTables scrie rânduri CSV extinse în stil RFC 4180 sau JSON bogat în metadate printr-un stream de staging delimitat și o publicare finală sigură la rollback
Limitele pentru pagini, glife, tabele sursă, tabele de ieșire, rânduri, celule, text, octeți de ieșire, încredere și anulare sunt verificate înainte de publicarea rezultatelor
Registre de lucru XLSX
Unitatea HPDFXLSXExport exportă THPDFTypedTables ca registru de lucru Office Open XML, fără a instala Office și fără a încărca o bibliotecă externă de foi de calcul
HPDFExportTypedTablesXLSX scrie într-un stream lizibil, scribibil și cu seek, la poziția curentă a lui, pregătind registrul complet înainte de publicare și restabilind bytes-urile suprascrise când apare o eroare recuperabilă de scriere
HPDFExportTypedTablesXLSXFile folosește un fișier temporar creat exclusiv lângă țintă, îl golește pe disc și înlocuiește atomic ținta doar după un export reușit
HPDFExportLoadedTypedTablesXLSX combină extracția cu exportul în stream și respinge o destinație care face alias sursei încărcate
Fiecare tabel extras devine o foaie de lucru numită Table N, cu celule numerice și boolean, formate de dată și de dată-oră, coduri de monedă în formatele numerice, formate de procent și intervale îmbinate validate
Întregii cu mai mult de 15 cifre zecimale sunt stocați ca text pentru a păstra valoarea lor exactă, deoarece celulele numerice Excel au precizie limitată
Șirurile rămân text literal, inclusiv valorile care încep cu =, iar caracterele de control XML și secvențele de escape literale Office Open XML sunt păstrate prin escape SpreadsheetML
Implicit, o foaie de lucru ascunsă Source metadata înregistrează adresa de celulă din registru, indicii sursă cu bază zero ale paginii și ale tabelului, textul original și normalizat, tipul valorii, codul monedei, limitele în spațiul paginii și încrederea pentru fiecare celulă sursă
THPDFXLSXExportOptions.Default permite până la 4.096 de tabele, 1.000.000 de rânduri, 1.000.000 de celule și 256 MiB de output, cu un THPDFCancellationToken opțional și o opțiune de a omite foaia de metadate
Exportul respinge îmbinările suprapuse, indicii de coloane neordonate sau duplicate, numerele nefinite, codurile de monedă invalide, datele din afara intervalului 1900-9999, textul mai lung de 32.767 de unități UTF-16 și foile de lucru din afara limitelor Excel de 1.048.576 de rânduri sau 16.384 de coloane
Foia de metadate are un singur rând de antet, deci activarea ei limitează în plus celulele sursă la 1.048.575 în întregul registru; o extracție goală produce totuși o foaie vizibilă
Membrii ZIP folosesc metoda de compresie stored, deci dimensiunea output-ului poate fi mai mare decât a registrelor comprimate; exportatorul nu păstrează nici stilizarea vizuală PDF, nici graficele, formulele, macro-urile sau imaginile încorporate
Joburile JSON și C ABI expun același pipeline de registre prin tables.export cu format: "xlsx" și bugetele partajate de extracție și de output