Excel-bestanden: een werkmap is een ZIP met XML, en een PDF heeft helemaal geen tabellen

De moeilijkheid zit volledig aan de andere kant. Een PDF heeft geen tabellen. Hij heeft reeksen tekens met elk een positie, en de lijnen die je ziet, zijn losstaande tekenbewerkingen — niets in het bestand legt vast dat er een cel bestaat, laat staan welke tekst erbij hoort. Het raster moet dus uit de geometrie worden afgeleid, en dat is wat elke tool die dit doet in werkelijkheid doet, ook die waarvoor je moet betalen.

De afleiding verloopt in twee stappen. Rijen komen van gedeelde basislijnen, en dat is de betrouwbare helft, omdat de pagina in de eerste plaats zo is gezet. Kolommen komen van horizontale breedtes die overlappen, en een band moet in meerdere rijen terugkomen voordat hij als kolom telt — herhaling onderscheidt een echte kolom van een alinea die toevallig inspringt. Alleen linkerranden werken niet, en dat is het vastleggen waard, omdat het de voor de hand liggende eerste uitvoering is en ze faalt bij de gewoonste tabel die er bestaat: een rechts uitgelijnde kolom met aantallen 6, 96 en 240 heeft drie verschillende linkerranden, telkens een cijfer verschoven, dus de kolom valt uiteen en elke rij krijgt een losse lege cel. Overlap kan links, rechts en gecentreerd uitlijnen aan zonder te hoeven weten welke het is.

Wat als getal in een cel terechtkomt, is bewust behoudend: gewone decimale getallen, eventueel met een teken, en verder niets. 007, 1,234, 2026-09-10, +44 20 en alles met een valutateken blijven precies zoals ze stonden, omdat een voorloopnul, een scheidingsteken voor duizendtallen en een datum elk informatie zijn die een omzetting zou vernietigen. Decimalen blijven behouden, dus 48.50 komt aan als 48.50 en niet als 48.5. De grenzen staan op de pagina en worden niet verborgen: samengevoegde cellen komen terecht in de eerste kolom die ze beslaan, een cel waarvan de tekst over twee regels loopt, wordt twee rijen, er komt één werkblad per pagina, en een pagina zonder terugkerende kolomstructuur komt terug als één kolom met regels — wat het eerlijke antwoord is voor proza.