# PDF 轉 CSV 裡面的每一張表，對帳單也算在內

把 PDF 裡的每一張表都找出來，變成表格軟體打得開的一行一行。

> 把 PDF 裡的表格變成 CSV：銀行和信用卡對帳單、發票、價目表、報告。每一頁上的每一張表都按文字落在紙上的位置找出來，帶餘額的表還會一行一行核對。什麼都不上傳。

本頁是一個完全在你的瀏覽器裡執行的互動式工具，地址是 https://abox.tools/zh-TW/pdf-to-csv/。你交給它的任何內容都不會被上傳。下面是這個頁面用文字對該工具的全部說明；要使用它，請開啟這個地址。

## 你的檔案**不會上傳**。這裡根本沒有伺服器。

你選的那份 PDF，是在這臺機器的記憶體裡開啟、讀取的，用的是從這個地址發來的程式碼，CSV 也是這樣寫出來的。這裡根本沒有能做上傳的東西，這一頁的另一頭也沒有伺服器可以接收。表格裡寫的東西，不管是帳號、餘額、一串收款方還是客戶的報價，都留在這個分頁裡。

- ✗ 不上傳
- ✗ 不註冊
- ✓ 斷網可用
- ✓ 開源
- ✓ 檔案留在你的裝置上

## 怎麼把 PDF 裡的表格轉成 CSV

1. **選一份 PDF。** 一次一份。瀏覽器直接從你的硬碟上把它讀進來，而且是整份都讀完再決定任何事，因為這份檔案寫的是 1.240,00 還是 1,240.00、日期是哪一種順序，都是關於這份檔案的事實，不是關於某一頁的。
2. **看看它找出來的那些表。** 每一頁上的每一張表，各有各的欄位，頁面上印了表頭的地方就用它自己的表頭。跨兩個小節或者兩頁、表頭相同的一張表算一張，中間不會重複表頭。折到第二行的單元格會並回它那一行。合計、小計和標籤，都按它們在頁面上的樣子作為行出來。
3. **挑一張，或者全要。** 表不止一張的時候，表格上方那個選項決定哪些進 CSV：全部一張接一張，或者只要你來找的那一張。要是某張錶帶著餘額，表格上方那一行會說每一行是不是都對上了。帶年份的日期寫成 YYYY-MM-DD，金額是帶正負號的普通數字；沒有年份的日期原樣保留，因為它屬於哪一年只能靠猜。
4. **把 CSV 拿走。** 它按 RFC 4180 寫，該加的引號都加，行尾是 CRLF，編碼是帶位元組序標記的 UTF-8，這樣 Excel 開啟它的時候貨幣符號還是貨幣符號，而不會變成一串字母。所有表放在一個檔案裡的時候，每張表保留自己的表頭行，表與表之間空一行。做出它來沒有上傳過任何東西。

## 說得更細的版本

[Is it safe to upload a bank statement?](https://abox.tools/zh-TW/guides/is-it-safe-to-upload-a-bank-statement/): A statement is every payee, every amount and your balance in one file. Here is what a converter receives, what the careful ones do with it, and how to tell whether the upload needed to happen at all.

## 工具箱裡還有

- [圖片轉 PDF](https://abox.tools/zh-TW/images-to-pdf/): 把你的圖片裝進一個文件。
- [文件掃描](https://abox.tools/zh-TW/document-scanner/): 把紙拍下來，回來的是一份看起來像掃描的東西。
- [從影片裡提取音訊](https://abox.tools/zh-TW/extract-audio-from-video/): 把影片拖進來，聲音就取出來了。畫面從不解碼，也不上傳任何東西。
- [音訊剪輯](https://abox.tools/zh-TW/trim-audio/): 邊聽邊標出值得留的段落。它們會合成一個檔案回來，就切在你說的位置。

## 常見問題

### PDF 裡根本沒有表格，它怎麼找出表格來？

從文字落在哪裡看出來。一頁紙先在旁邊有一欄小字的地方被分開；這一欄小字跟表格裡的一欄分得開，是因為表格的單元格恰好落在同一條基線上，而小字只是碰巧挨在旁邊。然後每一塊從上往下走，在標題和空白處切成一段一段，每一段的欄位，就是好幾行都認同一個單元格在那裡開始或者結束的位置。欄位相同的幾段會重新拼成一張表。這裡沒有按銀行或者按表單分的模板，所以也不存在哪種版式它沒學過。

### 它只能處理對帳單嗎？

不是。它一開始是個對帳單轉換工具，後來改成找出一份檔案裡的每一張表，因為頭一份真正拿來試的對帳單隻有兩筆交易，卻有另外五張表，一個只要交易的工具在上面什麼都沒找到。發票、價目表、時刻表、成績和報告，同樣都是表格。對帳單多出來的是餘額，只要有，工具就拿它核對每一行。

### 摘要太長、一欄放不下的時候會怎麼樣？

它會被並回它那一行，而這正是大多數 PDF 轉 CSV 的結果沒法用的原因。只有一格文字、緊挨著某一行的一行，就是那一行的單元格的延續；如果它離下面那一行更近，就併到下面那一行裡，一段放在數值上方、太長而折行的標籤就是這麼印的。帶著不止一格、或者帶著數字的一行，是它自己的一行。

### 它到底怎麼可能知道我的對帳單讀對了沒有？

因為大多數對帳單都帶著餘額，而餘額是一次證明，不是裝飾。如果每一行上印著的餘額，確實等於上一行的餘額加上這一行的金額，那麼金額就讀對了、行就分對了，而且沒有哪一行被漏掉或者算了兩遍，因為上面任何一種錯誤，都會正好在出錯的那一行把鏈子打斷。工具在每一行上做這道減法，然後把結果告訴你。它找餘額那一欄用的也是同一道算術，而不是去讀表頭，所以一張能透過的表，必然意味著欄位也認對了。沒有餘額的表格沒法這樣核對，頁面也不會假裝核對過。

### 日期出錯了。03/04 是 3 月 4 日，不是 4 月 3 日。

改表格上方那個選項，全部立刻重算。純數字的日期確實有歧義，而工具是從這份檔案本身來定它，不是從你所在的地區：只要這份檔案裡任何一處的日期有大於 12 的那一位，僅這一行就把所有日期的順序定下來了，頁面也會說明這一點。當每一個日期都落在 12 號或者更早的時候，檔案裡沒有任何東西能把兩種順序分開，所以它會說的正是*這件事*，並且先按日在前來算，直到你另行指定。像信用卡對帳單那樣不帶年份印出來的日期，原樣保留。

### 掃描出來的 PDF 能用嗎？

不能，而且它會直說，而不是丟給你一個空檔案。掃描檔是一張照片：那些行是畫素，沒有可以對齊的文字。頁面接著會告訴你可以怎麼辦；如果是對帳單，頭一條建議正是大多數人會忽略的那條，幾乎每一家網上銀行都可以直接給你同一份對帳單的 CSV、OFX 或者 QIF，那既不用轉換，也比從任何一張圖裡讀出來更準確。

### 帶密碼的 PDF 它能開啟嗎？

不能，而且這是故意的。銀行會給很多對帳單上鎖，通常用出生日期或者帳號的後幾位。把這層保護取掉，跟讀出一張表是兩回事，所以工具會拒絕，並且指給你幾條不用把檔案交出去的路。最好的一條是本站的 [PDF 解鎖工具](https://abox.tools/zh-TW/unlock-pdf/)：它在你自己的瀏覽器裡把密碼取下來，頁面上一個字都不改寫，所以文字會原樣落在它當初被印上去的位置。用 Chrome 或者 Edge 輸入密碼開啟再列印回 PDF，或者在 Mac 上用「預覽」匯出，也一樣可以。不要用別的那些說能替你解鎖的網站，那正是把這一頁存在的意義所要擋住的那份檔案傳上去。

### 我的 PDF 會被上傳到什麼地方嗎？

不會。檔案是你自己的瀏覽器在你自己的硬體上讀的，CSV 也是這樣寫出來的。這個工具沒有伺服器那一端，頁面的 `Content-Security-Policy` 列出了它可以聯絡的每一個地址，其中沒有一個屬於本站。最簡單的證明，是斷開網路，照樣轉一份 PDF。

### CSV 開頭那個奇怪的字元是什麼？

那是位元組序標記，是故意留的。Windows 上的 Excel 讀一個沒有它的 CSV 時，會按系統的舊內碼表來解，於是一張以英鎊或者歐元記帳的表格，貨幣符號會變成一個字母。這個標記告訴它這是 UTF-8。所有要緊的讀取程式都會悄悄跳過它；嚴格到會把它顯示出來的解析器，會給你一個開頭帶著不可見字元的首列表頭，這就是這個取捨的代價。

### 有大小限制嗎？要錢嗎？

工具裡沒有寫死任何限制。限制是你自己的機器：檔案在讀的時候是放在記憶體裡的，幾百頁的量，一臺筆記本處理起來不會有怨言。它是免費的，不註冊、不登入，也沒有試用期。本站帶廣告，那是養活它的東西；廣告拿不到任何關於你檔案的內容。

### 斷網能用嗎？

能。把頁面載入一次，然後斷開網路，它照樣能用。這也是證明什麼都沒被上傳的最簡單的辦法：一個把你的檔案發出去轉換的工具，你一拔網線它就停了。

## 這條隱私承諾怎麼核實

- **人們拿來轉換的 PDF，恰恰是最經不起上傳的那些。** 沒有人會為一張自己能重新敲一遍的表去找轉換工具。來到這裡的是對帳單、發票、工資條和報告：一份你付給了誰、付完還剩多少的名單，一位客戶的報價，一家公司的數字。把這些交給陌生人的伺服器去換一張表格，意味著他們拿到了、留下了，並且因此成了一個值得攻擊的目標。這一頁沒有另一頭：根本沒有可以發過去的地方。
- **表格帶著餘額的時候，每一行都會拿它核對。** 在 PDF 裡找出一張表是推斷，不是閱讀：哪幾行屬於一起、一欄在哪裡結束、一行是新的一行還是上一行的延續，都是推斷。碰上這裡沒見過的排版，任何一步都可能推錯。對帳單上的餘額就是對付這件事的證明：這一行的餘額，必須等於上一行的餘額加上這一行的金額，任何一個數字讀錯、任何一行漏掉或者重複，都會正好在出問題的那一行把這條鏈子打斷。頁面會說有多少行對上了。大多數表格沒有餘額，這時頁面什麼都不說：這些行是頁面上寫的內容，這裡不會聲稱比這更多。
- **表格是從紙面上看出來的，不是靠每家銀行、每種表單一套模板。** 這個工具裡沒有銀行列表，也沒有版式列表，也就不存在「你的版式不在裡面」。一頁紙會在旁邊有一欄小字的地方被分開，然後在每一塊裡找那些單元格對得齊的連續幾行。所以它在一家沒人聽說過的銀行的對帳單上、在一份沒人見過的報告上也能用，而碰上欄與欄真的擠在一起的那種表，它也真的會失敗。
- **密碼不由它來取，頁面會告訴你去哪裡取。** 帶密碼的 PDF 會被拒絕，而不是被開啟。把一份檔案的保護取掉，跟讀出裡面的表格是兩回事，一聲不響地替你做掉，是一個工具不該有的舉動。頁面做的是另一件事：把那些不用把檔案交出去的辦法列給你。頭一條是本站的 [PDF 解鎖工具](https://abox.tools/zh-TW/unlock-pdf/)，它在你自己的瀏覽器裡把密碼取下來，頁面上什麼都不改寫；也可以用瀏覽器或者「預覽」把它列印、匯出成一份新的 PDF。它仍然明明白白地說，不要把這份檔案交給別的任何一個說能替你解鎖的網站，那正是這一頁要擋住的那一次上傳。
- **它讀不了一頁紙的照片，也不假裝能讀。** 掃描檔是一張圖：那些行是畫素，檔案裡根本沒有可以對齊成欄的文字。這一點會被如實報告，同時給出不用上傳任何東西的幾條路；如果那是一份對帳單，頭一條是大多數人都有、卻想不起來的那條，銀行幾乎一定可以直接給你同一份對帳單的 CSV。從圖裡認字叫 OCR，那是另一個工具，不是這一個。
- **Google 載入了什麼，又沒拿到什麼。** 廣告和統計指令碼來自 Google。這兩個都沒有拿到關於你檔案的任何東西：不是檔案，不是某張表、某一行，不是某個數字、檔名或者頁數。每一行讀 PDF 或者寫 CSV 的程式碼都由這個源站發出，並且列在程式碼儲存庫裡。
- **打賞按鈕載入了什麼，又沒拿到什麼。** 頁首上那個「Buy me a coffee」按鈕，是由 cdnjs.buymeacoffee.com 的一段指令碼畫出來的，字型取自 Google Fonts。它就是一個連結，僅此而已：它不上報訪問，也拿不到任何關於你或者你檔案的東西。你不點它就什麼都不會發生，而點下去要去的是別人的網站。
- **斷網也能用。** 把網路斷掉，這一頁上的所有功能照常。這是最簡單的一個證明：一個把你的檔案發出去轉換的工具，這時候就停了。

**你可以自己核對。**上面這些不用你信。這個頁面是儲存庫裡的模板和配置產生出來的，構建指令碼你能讀，也能自己跑一遍，跑出來的結果就提交在 `dist` 分支上。拿實際發給你的內容，跟你自己從原始碼構建出來的結果對一遍就知道了： https://github.com/A-Box-of-Tools/website

最值得先讀的幾個檔案：`config/site.toml` 裡是 Content-Security-Policy，一頁紙在沒有任何表格線可依的情況下是怎麼分成幾塊的，看 `src/layout.js`；表格和它們的欄位是怎麼找出來的，看 `src/tables.js`；一行一行是怎麼排出來的，看 `src/rows.js`；證明一份對帳單的那段算術在 `src/check.js`。這幾個都夠不著網路，它們底下負責讀 PDF 的部分也一樣。