Typad tabellextraktion
THotPDF.ExtractLoadedTypedTables konverterar semantiska tabellrader till ett publikt kanoniskt kolumnnät utan att ändra det inlästa dokumentet
Tabellkontinuitet
Kompatibla angränsande fragment kan lägga till kanoniska kolumner, vilket gör missade mellanstarter till explicita ColumnSpan-värden istället för att kasta bort sammanfogade rubriker
Kompatibla tabeller på på varandra följande sidor blir en tabell, medan matchande inledande rubrikrader förblir närvarande och bär IsRepeatedHeader
Typade värden och förtroende
Varje cell behåller ursprunglig Unicode-text, sidrymdsgränser, rad- och kolumnspann, normaliserat värde, typad lagring, valutakod och förtroende
Slutledning känner igen tomma, sträng-, heltal-, tal-, booleska, datum-, datum-tid-, valuta- och procentvärden under anropvalda decimal-, tusentals- och datumordningsregler
Avgränsad export
ExportLoadedTypedTables skriver utvidgade RFC 4180-stil CSV-rader eller metadata-rik JSON genom en avgränsad mellanlagringström och återställningssäker slutlig publicering
Sid-, glyf-, källtabell-, utdatatabell-, rad-, cell-, text-, utdatabyte-, förtroende- och avbrytningsgränser kontrolleras innan resultat publiceras
XLSX-arbetsböcker
Enheten HPDFXLSXExport exporterar THPDFTypedTables som en Office Open XML-arbetsbok utan att installera Office eller läsa in ett externt kalkylarkbibliotek
HPDFExportTypedTablesXLSX skriver till en läsbar, skrivbar och sökbar ström vid dess aktuella position, mellanlagrar hela arbetsboken före publicering och återställer överskrivna byte när ett återhämtningsbart skrivfel inträffar
HPDFExportTypedTablesXLSXFile använder en exklusivt skapad temporärfil bredvid målet, spolar den och ersätter målet atomärt först efter en lyckad export
HPDFExportLoadedTypedTablesXLSX kombinerar extraktion med strömexport och avvisar ett mål som aliasar den inlästa källan
Varje extraherad tabell blir ett kalkylblad med namnet Table N, med numeriska och booleska celler, datum- och datumtidsformat, valutakoder i talformat, procentformat och validerade sammanfogade områden
Heltal med fler än 15 decimaler lagras som text för att bevara sitt exakta värde, eftersom numeriska Excel-celler har begränsad precision
Strängar förblir litteral text, inklusive värden som börjar med =, och XML-styrtecken samt litterala Office Open XML-escape-sekvenser bevaras genom SpreadsheetML-escapning
Som standard registrerar ett dolt Source metadata-kalkylblad arbetsbokens celladress, nollbaserade källsida och tabellindex, ursprunglig och normaliserad text, värdetyp, valutakod, sidrymdsgränser och förtroende för varje källcell
THPDFXLSXExportOptions.Default tillåter upp till 4 096 tabeller, 1 000 000 rader, 1 000 000 celler och 256 MiB utdata, med en valfri THPDFCancellationToken och en möjlighet att utelämna metadatabladet
Exporten avvisar överlappande sammanfogningar, osorterade eller duplicerade kolumnindex, icke-ändliga tal, ogiltiga valutakoder, datum utanför 1900 till 9999, text längre än 32 767 UTF-16-enheter och kalkylblad utanför Excels gränser på 1 048 576 rader eller 16 384 kolumner
Metadatabladet har en rubrikrad, så att det dessutom begränsar källcellerna till 1 048 575 i hela arbetsboken när det är aktiverat; en tom extraktion producerar ändå ett synligt blad
ZIP-medlemmar använder den lagrade komprimeringsmetoden, så utdatastorleken kan bli större än för komprimerade arbetsböcker; exportören behåller varken PDF:ens visuella formatering eller diagram, formler, makron eller inbäddade bilder
JSON-jobb och C-ABI exponerar samma arbetsbokspipeline genom tables.export med format: "xlsx" och de gemensamma extraktions- och utdatabudgeterna