File Excel: workbook adalah ZIP berisi XML, dan PDF sama sekali tidak punya tabel

Kesulitannya sepenuhnya ada di sisi lain. PDF tidak punya tabel. Yang dimilikinya adalah deretan glyph yang masing-masing punya posisi, dan garis-garis yang Anda lihat adalah operasi gambar yang tidak berhubungan — tidak ada apa pun di file yang mencatat bahwa sebuah sel ada, apalagi teks mana yang menjadi miliknya. Jadi kisi tabelnya harus disimpulkan dari geometri, dan itulah yang sebenarnya dilakukan setiap alat semacam ini, termasuk yang memungut bayaran.

Penyimpulan itu berjalan dalam dua langkah. Baris ditentukan dari baseline yang sama, dan ini separuh yang andal karena memang begitulah halaman itu disusun sejak awal. Kolom ditentukan dari rentang horizontal yang saling tumpang tindih, dan sebuah pita harus muncul berulang di beberapa baris sebelum dianggap sebagai kolom — pengulangan itulah yang membedakan kolom sungguhan dari paragraf yang kebetulan menjorok. Tepi kiri saja tidak cukup, dan ini layak dicatat karena itulah implementasi pertama yang terpikirkan dan ia gagal pada tabel paling biasa sekalipun: kolom jumlah rata kanan yang berisi 6, 96, dan 240 punya tiga tepi kiri berbeda, masing-masing bergeser satu digit, sehingga kolomnya terpecah dan setiap baris mendapat sel kosong yang nyasar. Tumpang tindih menangani perataan kiri, kanan, dan tengah tanpa perlu tahu mana yang sedang dihadapinya.

Apa yang masuk ke sel sebagai angka sengaja dibuat konservatif: desimal biasa, boleh bertanda, dan tidak ada yang lain. 007, 1,234, 2026-09-10, +44 20, dan apa pun yang memuat simbol mata uang dibiarkan persis seperti aslinya, karena nol di depan, pemisah ribuan, dan tanggal masing-masing adalah informasi yang akan hancur jika dipaksa menjadi angka. Jumlah angka desimal dipertahankan, jadi 48.50 tiba sebagai 48.50, bukan 48.5. Batasannya dinyatakan di halaman, bukan disembunyikan: sel gabungan muncul di kolom pertama yang dicakupnya, sel yang teksnya terbungkus ke dua baris menjadi dua baris, satu sheet dihasilkan per halaman, dan halaman tanpa struktur kolom yang berulang dikembalikan sebagai satu kolom berisi baris-baris teks — jawaban yang jujur untuk prosa.