Převod souboru PDF do VCF

Telefon, emailový klient nebo správce kontaktů potřebuje soubor VCF, když jsou jména a čísla zachycena v souboru PDF a musí se stát upravitelnými položkami adresáře. Převod je úloha spočívající v extrakci a čištění dat: PDF obvykle neobsahuje strukturované záznamy kontaktů, které soubor VCF vyžaduje.

Co je formát PDF

PDF je dokumentový formát s pevným rozvržením používaný softwarem Adobe Acrobat, textovými procesory, skenery, CRM systémy, nástroji pro export e-mailů a reportovacím softwarem. Seznam kontaktů v PDF může obsahovat vybratelný text, tabulku nebo naskenovaný obrázek.

Textové soubory PDF lze obvykle extrahovat přímo. Naskenované soubory PDF vyžadují před úpravou jmen, telefonních čísel a e-mailových adres optické rozpoznávání znaků (OCR). Vizuální sloupce mohou být uloženy jako nesouvisející fragmenty textu, takže automatická extrakce může přiřadit telefonní číslo nesprávné osobě.

PDF vytvořené vytištěním existujícího vCard může obsahovat čitelné řádky vCard, například BEGIN:VCARD, ale tisk obvykle odstraní původní strukturu souboru. Přejmenování .pdf na .vcf jej nepřevede.

Co je formát VCF

VCF, také označovaný jako vCard, je textový formát kontaktů rozpoznávaný aplikacemi Google Contacts, Apple Contacts, Outlook, Thunderbird, Android, iPhone a mnoha dalšími programy pro adresáře. Jeden soubor může obsahovat více kontaktů, přičemž každý kontakt má jeden blok BEGIN:VCARD a END:VCARD.

vCard může ukládat formátované jméno, jméno, příjmení, několik telefonních čísel, e-mailové adresy, organizaci, pracovní pozici, poštovní adresu, poznámky a v závislosti na verzi a aplikaci také fotografii. vCard 3.0 je obvykle nejbezpečnější volbou pro starší telefony a desktopové aplikace; vCard 4.0 podporuje novější funkce, ale starší importéry jej nepřijímají konzistentně.

Jak provést převod

1. Určete, zda PDF obsahuje text. Otevřete jej v aplikaci Adobe Acrobat nebo jiném prohlížeči PDF a zkuste vybrat jméno. Pokud výběr selže, spusťte v aplikaci Acrobat OCR pomocí All tools → Scan & OCR → Recognize text. Bezplatný nástroj příkazového řádku OCRmyPDF může vytvořit prohledávatelnou kopii pomocí ocrmypdf --deskew input.pdf searchable.pdf; vyžaduje OCR engine, například Tesseract.
2. Extrahujte seznam kontaktů. U tabulky může Acrobat Pro použít Export a PDF → Spreadsheet → Microsoft Excel Workbook. Tabula je bezplatná lokální možnost pro extrakci tabulek z textových souborů PDF. U textu uspořádaného po řádcích zachová Poppler pomocí pdftotext -layout searchable.pdf extracted.txt přibližné mezery mezi sloupci. Adobe Acrobat Online a Smallpdf mohou exportovat tabulky PDF do Excelu, ale nahrávejte pouze data, u nichž jsou přijatelné podmínky ochrany soukromí, uchovávání a zpracování.
3. Vytvořte čistý soubor CSV. Otevřete extrahovanou tabulku a vytvořte jeden kontakt na řádek. Použijte záhlaví, jako jsou First Name, Last Name, Phone, Mobile, Email, Organization, Notes. Odstraňte záhlaví stránek, opakované názvy sloupců, zápatí, prázdné řádky a duplicity. Telefonní sloupce ukládejte jako text, aby zůstala zachována znaménka plus a počáteční nuly. Rozdělte řádky obsahující více osob a ručně opravte chyby OCR.
4. Vygenerujte VCF. Nejjednodušší široce kompatibilní postup představuje Google Contacts: otevřete Import → Select file, importujte vyčištěný soubor CSV, zkontrolujte záznamy, vyberte importované kontakty a poté zvolte Export → vCard. Tím vznikne soubor .vcf s více kontakty, který lze přenést do cílového zařízení nebo aplikace. Tento postup nepoužívejte u důvěrných dat, pokud cloudové zpracování nepovolují vaše zásady.
5. V případě potřeby použijte offline pracovní postup. Extrakci provádějte v aplikacích Acrobat, Tabula nebo pomocí pdftotext a poté použijte lokálně nainstalovaný nástroj pro převod CSV do vCard nebo malý skript, který zapisuje záznamy vCard 3.0. Generátor musí escapovat zpětná lomítka, čárky, středníky a konce řádků; zapisovat text UTF-8 s konci řádků CRLF a vytvářet samostatné bloky BEGIN:VCARD. Ověřte, že jsou dlouhé řádky vlastností zalamovány podle specifikace vCard.
6. Před nahrazením adresáře proveďte test. Nejprve importujte výsledný soubor do samostatné testovací skupiny nebo mezi několik testovacích kontaktů. Google Contacts podporuje Import → Select file; Apple Contacts podporuje File → Import. Chování aplikace Outlook se liší podle verze: některé verze otevřou jeden soubor VCF přímo, zatímco hromadná migrace kontaktů může vyžadovat import CSV nebo jednotlivé soubory vCard.

Omezení kvality a kompatibility

Extrakce nedokáže spolehlivě určit, zda je číslo mobilní, kancelářské, faxové nebo součástí adresy. Každý důležitý záznam ověřte podle PDF, zejména po použití OCR. OCR často mění 0 na O, 1 na I, odstraňuje znaménka plus a poškozuje interpunkci v e-mailových adresách.

Pro jména s diakritikou a nelatinská jména používejte UTF-8. Základní převod CSV do VCF může vynechat oddělení, klapky, více e-mailových adres, poštovní adresy, fotografie kontaktů a vlastní štítky, pokud tyto sloupce nejsou výslovně namapovány. Některé aplikace také zahazují nepodporovaná pole nebo převádějí soubor s více kontakty na samostatné záznamy. Uchovejte vyčištěný soubor CSV i původní PDF, aby bylo možné importovaná data později auditovat nebo opravit.