我手头有一份几十页的对账单 PDF，只想把里面的表格拿去 Excel 做透视，正文一段都不需要。这种需求用「复制粘贴」基本会散成一列，用 OCR 又容易把数字认错。NBTools 的 PDF 转文字 里有个单独的 精确与表格 模式，专门按版式抽取文字和表格，能直接下 CSV。这篇只讲表格这一支：工具怎么认表、导出的几种文件该怎么挑、以及预览里看着不对时该动哪个开关。
三种模式（快速提取 / 精确与表格 / 扫描件 OCR）的完整对比和文字型 PDF、扫描件的通用流程写在 PDF 转文字主指南 里，这里不重复。
从一份 PDF 里导出表格，四步
- 选入 PDF。工具会先看前 3 页有没有文字层：有效字符数达到 20 就判定为文字型，否则提示像扫描件、建议换 OCR 模式。
- 把模式切到 精确与表格 / pdfplumber · 结构/CSV。这一步会按需加载约 1.7MB 的解析模块，只在进入本模式时才下载。
- 在「页面范围」里限定要抽的页，留空是全部，也可以写
1-3,5,8这样的写法（中英文逗号、空格都能分隔，-、~、—都认作范围）。表格多时先只跑 1 页试参数更省事。 - 点 识别表格并导出 CSV，先看每表的预览，再决定下单个 CSV / TSV，还是「下载全部 CSV」。
结果里每张表会标成「第 N 页 · 表 M（R 行 × C 列）」，并注明是网格线识别还是列对齐推断得来的——这个标注是判断表格可不可信的关键，下面细说。
两种「认表」方式，可信度不一样
| 来源标注 | 依据 | 适合 | 要留意 |
|---|---|---|---|
| 网格线识别 | 页面里真实画出的表格线 | 带框线的报表、发票、明细表 | 线断了可能把两行并成一行 |
| 列对齐推断 | 按文字的横向坐标聚成列，列容差 8pt，列间空隙取字高中位数的 0.35 倍与 2pt 中较大者 | 无框线、靠留白排版的表格 | 没有框线可依，列数靠推断 |
推断成表还有一道门槛：每一列至少要有 40% 的行填了内容，并且至少 2 行填满 2 列以上，否则不当成表格。所以稀疏的名单、目录页抽不出表是正常的，不是漏了。反过来，双栏排版的正文有时会被兜底判成一张很宽的表——导出前扫一眼行×列数就能发现；这类版式问题的更多例子见主指南。
CSV、TSV、下载全部，分别是什么
| 按钮 | 产出 | 什么时候用 |
|---|---|---|
| 每表 CSV | 文件名-p页码-table序号.csv | 只要某几张表，逐张挑着下 |
| 每表 TSV | 同上但扩展名 .tsv | 单元格里带逗号，或要直接粘进表格软件 |
| 下载全部 CSV | 文件名-tables.csv | 全篇表格一次带走 |
CSV 按 RFC 4180 规则转义，字段里含逗号、引号、换行时会自动加引号；TSV 用制表符分隔，并把单元格内部的制表符换成空格，避免串列。两种文件都写了 UTF-8 BOM（\uFEFF）——这行不是为了好看：Excel 直接打开无 BOM 的 UTF-8 CSV 常把中文显示成乱码，加了 BOM 能少踩一次坑。如果你要把文件喂给程序处理，记得按 UTF-8 with BOM 读。
还有一点容易误会：预览默认只显示前 20 行，但下载的是整张表，不是只导 20 行。行数很大的对账单在预览里看着短，属正常。
几个开关怎么调
- 尽量保留原始排版 默认开着，适合多栏、需要对齐的表格；抽出来全是散字时可以关掉再试。
- 只想核对某个科目，用下方的正则 / 关键词全文搜索，例如
发票号码|¥\s?\d+。它默认按正则且区分大小写，命中最多列 200 条，可以复制命中行。 - 表格抽不出来先看文字层：页面提示「没有提取到文字」时，扫描件该换 OCR 模式；若是文字型却空了，可能是特殊内嵌字体解析不了。
- 加密 PDF 会在选文件后出现密码框，只在本地用你输入的密码解密，工具不提供找回或破解密码。
工具没有设文件大小和页数上限，但页数越多、页面越花，本地解析等待越久，通常先限定页范围跑一小段更顺。
文件会不会上传
PDF 是通过浏览器的 arrayBuffer() 本地读入的，解析、渲染、表格识别都在浏览器里完成，导出的 CSV 也是本地生成的 Blob 下载，文件内容不经过任何服务器。需要如实提一句：切到精确与表格模式时会按需下载约 1.7MB 的解析模块，OCR 模式首次还要下约 8MB 的识别引擎与语言包——这是下载引擎，不是上传你的 PDF；之后走浏览器缓存。
常见问题
「网格线识别」和「列对齐推断」有什么区别？
前者靠页面里真实画出的表格线切分单元格，适合带框线的报表；后者在没有框线时按文字横向坐标聚成列，列容差 8pt，并要求每列至少 40% 的行有内容、至少 2 行填满 2 列以上才判定为表格。结果区会标注每张表来自哪种方式，推断出来的表建议多看一眼预览。
为什么预览只有 20 行，是不是只导出了前 20 行？
不是。预览上限是 20 行，只是为了让页面别太长；点 CSV / TSV 或「下载全部 CSV」导出的是整张表。判断表格有没有抽对，看标题里的「R 行 × C 列」和前 20 行的对齐情况就够了。
CSV 用 Excel 打开中文乱码怎么办？
工具导出的 CSV/TSV 都带 UTF-8 BOM（\uFEFF），就是为了避免 Excel 打开无 BOM 的 UTF-8 文件时中文乱码。如果仍然乱码，检查是不是用文本导入向导指定了别的编码；把文件交给程序处理时，记得按 UTF-8 with BOM 读取。
该下 CSV 还是 TSV？
常规用 CSV，按 RFC 4180 转义，字段里的逗号、引号、换行会自动加引号。单元格内容本身制表符较多、或想直接粘进表格软件时选 TSV，它用制表符分隔并把单元格内的制表符换成空格。多张表可以用「下载全部 CSV」一次拿齐。
双栏正文被当成一张宽表怎么办？
这是列对齐推断在无框线版式上的常见误判：导出前看「R 行 × C 列」，列数异常多就先别下。可以先关掉「尽量保留原始排版」重试，或用页面范围只跑含表的那几页；更完整的版式排查思路见 PDF 转文字主指南。
表格抽取会把 PDF 传到服务器吗？
不会。文件由浏览器本地读入，解析、表格识别和 CSV 生成都在本机完成，导出是本地 Blob 下载。切到「精确与表格」模式会按需下载约 1.7MB 的解析模块，属于下载引擎而非上传文件，之后走浏览器缓存。
延伸阅读
工具入口
PDF转文本立即使用 →提取PDF文字与表格，支持扫描件OCR