Excel dosyaları: bir çalışma kitabı XML’den oluşan bir ZIP’tir, bir PDF’de ise hiç tablo yoktur

Zorluk tamamen öbür taraftadır. Bir PDF’de tablo yoktur. Her biri bir konuma sahip glif dizileri vardır; gördüğünüz çizgiler ise bunlarla ilgisi olmayan çizim işlemleridir — dosyadaki hiçbir şey bir hücrenin var olduğunu kaydetmez, hangi metnin ona ait olduğunu ise hiç kaydetmez. Bu yüzden ızgaranın geometriden çıkarılması gerekir; bunu yapan her araç, para alanlar da dahil, gerçekte bunu yapar.

Çıkarım iki adımda işler. Satırlar ortak taban çizgilerinden gelir; bu güvenilir yarıdır, çünkü sayfa en başta zaten böyle dizilmiştir. Sütunlar, örtüşen yatay uzanımlardan gelir ve bir bandın sütun sayılabilmesi için birkaç satırda tekrar etmesi gerekir — gerçek bir sütunu, tesadüfen girintili bir paragraftan ayıran şey bu tekrardır. Yalnızca sol kenarlar işe yaramaz; bunu not etmeye değer, çünkü akla gelen ilk uygulama budur ve var olan en sıradan tabloda başarısız olur: 6, 96 ve 240 değerlerini tutan sağa hizalı bir miktar sütununun, aralarında birer rakam fark bulunan üç ayrı sol kenarı vardır; böylece sütun bölünür ve her satırda fazladan boş bir hücre belirir. Örtüşme ise sola, sağa ve ortaya hizalamayı, hangisine baktığını bilmesi gerekmeden karşılar.

Bir hücreye sayı olarak yazılan şey bilerek temkinli tutulur: düz, isteğe bağlı olarak işaretli ondalık sayılar ve başka hiçbir şey. 007, 1,234, 2026-09-10, +44 20 ve para birimi simgesi taşıyan her şey tam göründüğü gibi kalır, çünkü baştaki sıfır, binlik ayırıcı ve tarih, dönüştürmenin yok edeceği birer bilgidir. Ondalık basamaklar korunur; böylece 48.50, 48.5 olarak değil 48.50 olarak gelir. Sınırlar gizlenmek yerine sayfada açıkça belirtilir: birleştirilmiş hücreler kapsadıkları ilk sütunda çıkar, metni iki satıra kayan bir hücre iki satır olur, her sayfa için bir çalışma sayfası üretilir ve tekrar eden bir sütun yapısı olmayan bir sayfa tek sütunluk satırlar olarak geri gelir — düz yazı için dürüst yanıt da budur.