# pdf-to-excel

**Repository Path**: xrlnewman/pdf-to-excel

## Basic Information

- **Project Name**: pdf-to-excel
- **Description**: PDF 表格提取 - 识别 PDF 中的表格转为 Excel（基于文本坐标，准确率受版面影响）
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-05-28
- **Last Updated**: 2026-05-28

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# PDF → Excel

PDF 表格提取工具，把 PDF 中的表格内容转为 Excel，Electron 桌面应用。

## 实现原理

1. 用 pdfjs-dist 提取 PDF 每页所有文本块（带 x/y 坐标和宽度）
2. 按 y 坐标聚类成"行"
3. 按 x 坐标聚类成"列"（统计所有文本左侧 x 的分布找列边界）
4. 把每行的文本分配到对应列
5. 每个 PDF 页面 → 一个 Sheet

## 准确率

| 场景 | 效果 |
|---|---|
| 纯表格 PDF（如银行流水、考勤表） | 准确率高，✅ 推荐 |
| 表格 + 段落混排 | 中等，段落会污染表格 |
| 多列布局 | 差，会拍平 |
| 扫描件（图片型 PDF） | 完全不行，需要先 OCR |
| 单元格合并的复杂表头 | 差 |

**纯 JS 方案的天花板**。专业表格提取建议用 Tabula / Camelot（Python）或商业工具。

## 用法

1. 添加 PDF
2. 可选：手动指定列边界（高级模式）
3. 默认自动检测列
4. 导出为 .xlsx

## 开发

```bash
git clone https://gitee.com/xrlnewman/pdf-to-excel.git
cd pdf-to-excel
npm install
npm start
```

MIT © xrlnewman