Что попадает в каждый формат
Последнее обновление: 2026-08-30
Результат выгружается в четырёх форматах, и содержимое у них разное. Excel охватывает только таблицы и диаграммы, поэтому документ без них даст пустой файл. Знать это заранее — значит не принять преобразование за неудавшееся.
Что попадает в какой формат
| Содержимое | Excel | Word | Markdown | JSON |
|---|---|---|---|---|
| Текст и заголовки | — | ○ | ○ | ○ |
| Таблицы | ○ | ○ | ○ | ○ |
| Диаграммы (прочитанные значения) | ○ | ○ | ○ | ○ |
| Формулы | — | ○ | ○ | ○ |
| Положение печатей и штампов | — | — | — | ○ |
| Координаты и достоверность | — | — | — | ○ |
Текст в Excel не попадает. Разлить абзацы по ячейкам — не значит получить что-то пригодное. Для прозы берите Word или Markdown.
Excel (.xlsx)
Выгружаются только таблицы и диаграммы. Каждая становится отдельным листом, названным по номеру страницы, а многоуровневые шапки воспроизводятся объединёнными ячейками.
Свыше 40 таблиц и диаграмм вкладками пользоваться уже нельзя, поэтому вывод переключается на три листа — оглавление, таблицы и диаграммы — со ссылками из оглавления на каждый блок.
Каждый блок начинается со строки достоверности: сразу видно, прочитаны ли значения из документа, оценены по форме диаграммы или не прочитаны вовсе.
Если в документе нет ни таблиц, ни диаграмм, кнопка Excel остаётся неактивной — нажатие дало бы лишь пустой файл.
Word (.docx)
Текст, заголовки, таблицы и формулы в порядке чтения, одним документом. Удобно править и использовать дальше. Вёрстка (колонки, поля) не воспроизводится: мы извлекаем содержание.
Markdown (.md)
Тот же объём, что и Word, простым текстом, таблицы — в записи через вертикальные черты. Годится для сравнения версий, для подачи в языковую модель или для передачи в другой инструмент.
JSON
Самый насыщенный формат. Для каждого блока — вид (текст, таблица, диаграмма, формула, печать), номер страницы, координаты на странице, достоверность и доля чисел, которые удалось сверить с текстовым слоем PDF. Берите его для программной обработки или когда нужно проследить, откуда взялось значение.
О пометках достоверности
В любом формате прочитанное и оценённое мы никогда не смешиваем.
- Прочитано — из того, что написано в документе.
- Оценка — выведено из формы диаграммы без напечатанных чисел.
- Не прочитано — разобрать не удалось. Мы говорим об этом, а не оставляем пропуск.
Всегда сверяйте результат с исходным PDF. Пометки достоверности подсказывают, на чём сосредоточиться.
Что преобразуется плохо
Следующее не преобразуется точно. Мы говорим об этом до покупки.
- Диаграммы без напечатанных значений — числа становятся оценками.
- Несколько диаграмм, сведённых в один рисунок, — вне области применения.
- Документы, состоящие только из рукописного текста.