Dokument til CSV

Værktøjet accepterer flere dokumentformater, der indeholder tabeller, og returnerer en CSV-repræsentation egnet til datapipelines. Det registrerer tabelområder i JSON-, XML-, Excel-, TSV- og PDF-inputs, justerer kolonner og anvender konsistente citatregler for at bevare dataintegriteten. Hovedworkflowet er formatuafhængigt med format-specifikke parsere, der håndterer input før tabellerne normaliseres. Det understøtter automatisk rubrikgenkendelse eller en brugerleveret rubrik og gør det muligt at konfigurere udgangsseperator og kodning for at støtte downstream-systemer. I dokumenter med flere tabeller kan brugere vælge at slå tabellerne sammen til én CSV eller udgive separate outputs pr. tabel, hvilket muliggør fleksibel integration med data-lakes og ETL-jobs. Værktøjet lægger vægt på nøjagtighed af numeriske og datoliknende værdier, escaping og citatregler samt robust håndtering af manglende værdier. Designet til automatisering, batch-behandling og scripting, hvor CSV er lingua franca for dataudveksling. Unikke værdiforslag: flerformats-kompatibilitet, konfigurerbar kodning og afgrænser, samt valgfri OCR-understøttelse for scannede PDFs. Anvendelsesområder: migrering af data fra årsrapporter (PDF-tabeller), udtræk af formulardata fra XML/JSON-eksporter og konvertering af Excel-arbejdsbøger med flere ark til CSV-egnede datasets.