PDF in Excel umwandeln

Was die Erkennung wiederherstellen kann und was nicht

PDF-Seiten speichern positionierten Text, keine Tabellenzellen. Dieser Konverter fasst nahe beieinanderliegenden Text zu Zeilen zusammen, sucht nach wiederkehrenden Spaltenankern, füllt fehlende Zellen auf und verwirft Blöcke, die keiner regelmäßigen Tabelle ähneln. Beim Lesen der Positionen berücksichtigt er außerdem die Seitendrehung und den sichtbaren Seitenbereich.

Die Erkennung arbeitet absichtlich zurückhaltend. Es ist besser, keine Tabelle zu melden, als fremden Seitentext in eine überzeugend wirkende, aber falsche Tabelle umzuwandeln. Vergleiche wichtige Werte immer mit der Quell-PDF, bevor du damit rechnest, sie importierst oder einen Abgleich vornimmst.

Exportformate

XLSX erstellt ein Tabellenblatt pro ausgewählter Tabelle, mit höchstens 200 Tabellenblättern in einem Download. Jeder extrahierte Wert wird als Textzelle geschrieben. Der Konverter erkennt Zahlen, Datumswerte, Formeln, Währungen oder Buchhaltungsformate nicht automatisch und bildet weder Rahmen und Schriftarten noch verbundene Zellen oder das ursprüngliche Seitendesign nach.

CSV und TSV laden jede ausgewählte Tabelle separat herunter. Als Trennzeichen stehen Komma, Semikolon und Tabulator zur Verfügung. Felder mit einem Trennzeichen, Anführungszeichen oder Zeilenumbruch werden in doppelte Anführungszeichen gesetzt. Datensätze nutzen entsprechend den üblichen Regeln in RFC 4180 CRLF-Zeilenenden. Eine UTF-8-BOM ist standardmäßig aktiviert, um die Kompatibilität mit Tabellenkalkulationen zu verbessern. Welches Trennzeichen richtig ist, hängt dennoch vom Importprogramm und dessen Regionseinstellungen ab.

Schutz vor Tabellenformeln

Eine PDF-Datei kann Text enthalten, der mit =, +, - oder @ beginnt. Manche Tabellenkalkulationen interpretieren diesen Text beim Öffnen einer CSV-Datei als Formel. Der Formelschutz ist standardmäßig aktiviert und stellt formelähnlichen CSV-Zellen ein Zeichen voran, damit sie eher als Text erhalten bleiben. Das gilt auch für Zellen mit führenden Leerzeichen oder vollbreiten Varianten dieser Zeichen.

Diese Maßnahme verringert das Risiko, ist aber keine allgemeingültige Sicherheitsgarantie. Der OWASP-Leitfaden zur CSV Injection weist darauf hin, dass Tabellenprogramme unterschiedlich reagieren und dass sich die Maskierung nach erneutem Speichern und Öffnen verändern kann. Lasse den Schutz bei nicht vertrauenswürdigen PDFs eingeschaltet, prüfe die exportierten Zellen und aktiviere keine Makros oder ignoriere Sicherheitswarnungen. Die XLSX-Ausgabe schreibt extrahierte Werte ausdrücklich als Textzellen und nicht als Formeln.

Grenzen und privater Browserspeicher

• Jeweils eine PDF-Datei mit höchstens 20 MiB und 150 Seiten.
• PDFs mit übermäßig vielen Textfragmenten, einer zu großen Textmenge oder zu vielen Tabellendaten werden abgelehnt, bevor sie den Browser überlasten können.
• Die Vorschau zeigt die ersten 100 Zeilen jeder erkannten Tabelle; der Export enthält alle erkannten Zeilen innerhalb der Sicherheitsgrenzen.
• Eine Arbeitsmappe kann höchstens 200 ausgewählte Tabellenblätter enthalten.
• Kennwortgeschützte und verschlüsselte PDFs werden nicht unterstützt. Entsperre eine zulässige Kopie, bevor du den Konverter verwendest.
• Während des Ablaufs mit drei Schritten werden Quell-PDF, erkannte Tabellen und Einstellungen 30 Minuten lang privat in diesem Browser gespeichert. Es bleiben höchstens drei Aufträge und 80 MiB lokale Auftragsdaten erhalten.
• In der Funnel-URL erscheint nur eine zufällige Auftragskennung. PDF, extrahierte Werte und Downloads werden weder über unsere Server übertragen noch auf den Ergebnisserver hochgeladen.
• Neu starten entfernt den aktuellen lokalen Auftrag. Abgelaufene oder ungültige Datensätze werden gelöscht, wenn das Werkzeug den Browserspeicher das nächste Mal prüft.

Die PDF-Datei wird über PDF.js direkt aus ihren lokalen Bytes geladen. Das Werkzeug lädt seine Programmbibliotheken als normale Webressourcen herunter, sendet die ausgewählte PDF-Datei dabei jedoch nicht mit.

Barrierefreie Prüfung

Die Dateiauswahl lässt sich mit der Tastatur bedienen, Fortschritt und Fehler werden für Hilfstechnologien angesagt, und erkannte Tabellen verwenden Beschriftungen und Spaltenköpfe. Auf kleinen Bildschirmen kann die Vorschau horizontal gescrollt werden. Bei Tabellen mit Schreibrichtung von rechts nach links bleibt die erkannte Richtung erhalten. Diese Funktionen unterstützen die Prüfung, ersetzen bei wichtigen Daten aber nicht den Vergleich mit der Quelle.