Wenn Sie Tabellendaten aus einer PDF-Datei in Excel extrahieren, werden die Zeilen in der Reihenfolge angezeigt, in der sie auf der Seite erscheinen. Wenn Sie diese Zeilen in separaten Arbeitsblättern nach Kategorie sortieren müssen, beispielsweise nach Regionen gruppierte Verkaufsunterlagen oder nach Lieferanten gruppierte Rechnungen, funktioniert ein manueller Ausschneide-und-Einfüge-Ansatz für zehn Zeilen, wird jedoch für Hunderte unpraktisch. Die Frage ist, ob PDF-zu-Excel-Konvertierungstools Daten während des Extraktionsprozesses automatisch sortieren und kategorisieren können, oder ob Sie die Sortierung durchführen müssen, nachdem die Daten in Excel angekommen sind.
Wichtige Erkenntnisse
Bei der standardmäßigen PDF-zu-Excel-Konvertierung werden Daten nicht sortiert oder kategorisiert. Es extrahiert Zeilen in Seitenreihenfolge und platziert sie in einem einzelnen Arbeitsblatt. Die automatische Kategorisierung in separate Arbeitsblätter nach Kategoriewert erfordert entweder ein Excel-Makro nach der Konvertierung, eine Power Query-Transformation oder ein erweitertes Extraktionstool mit integrierter Kategorisierungslogik. Der beste Ansatz hängt davon ab, ob es sich bei der Kategorisierung um eine einmalige Aufgabe oder einen wiederkehrenden Arbeitsablauf handelt.
Was die Standard-PDF-zu-Excel-Konvertierung leisten kann und was nicht
Ein Standardkonvertierungstool liest das visuelle Layout der PDF-Seite, identifiziert Tabellenstrukturen durch Erkennen von Gitterlinien und ausgerichteten Textblöcken und ordnet die erkannten Zellen Excel-Zellen zu. Die Ausgabe behält die Zeilenreihenfolge und Spaltenstruktur der Originaltabelle bei. Hierbei handelt es sich um eine originalgetreue Reproduktion des PDFs, es handelt sich jedoch nicht um eine Datenverarbeitung. Das Tool liest nicht den Inhalt der Zellen, um zu verstehen, was die Daten bedeuten. Eine Zeile mit „West“ in der Spalte „Region“ und eine Zeile mit „Osten“ werden identisch extrahiert. Das Tool verfügt über keinen Mechanismus, um zu erkennen, dass diese Zeilen zu unterschiedlichen Kategorien gehören.
Einige fortgeschrittene Extrahieren von PDF-Daten-Tools gehen über die visuelle Extraktion hinaus und wenden Mustererkennung an, um das Kategoriefeld innerhalb einer Tabelle zu identifizieren. Diese Tools können mit einer Regel konfiguriert werden, die im Wesentlichen besagt: „Scannen Sie Spalte C der extrahierten Daten, identifizieren Sie die eindeutigen Werte in dieser Spalte und erstellen Sie eine separate Ausgabe für jeden eindeutigen Wert.“ Dies ist keine Standard-PDF-Konvertierung. Es handelt sich um eine spezielle Datenextraktionsfunktion, die an der Schnittstelle von OCR, Tabellenerkennung und Datentransformation liegt. Wenn Ihr Workflow dies erfordert, suchen Sie nach Tools, die in ihrer Funktionsliste explizit die Datenkategorisierung oder Datengruppierung ankündigen.
Versuchen Sie es mit PDF in Excel
Keine Installation erforderlich. Funktioniert direkt in Ihrem Browser.
Sortierung nach der Konvertierung mit Excel-Makros und Power Query
Für Benutzer, die lieber vollständig auf Makros und Power Query verzichten möchten, sind die integrierten Filter- und Sortierfunktionen von Excel in Kombination mit der manuellen Arbeitsblatterstellung ein sinnvoller Ansatz für mittelgroße Datensätze. Wenden Sie Filter auf die Kategoriespalte an, wählen Sie jeweils einen Kategoriewert aus, kopieren Sie die gefilterten Zeilen und fügen Sie sie in ein neues Arbeitsblatt ein. Für einen Datensatz mit fünf Kategorien und 200 Zeilen dauert dieser manuelle Ansatz etwa fünf Minuten und erfordert außer der grundlegenden Excel-Navigation keine Einrichtung oder technische Kenntnisse.
Der am weitesten verbreitete Ansatz besteht darin, die gesamte PDF-Tabelle in eine einzige Excel-Tabelle zu konvertieren und dann die integrierten Tools von Excel zu verwenden, um die Daten zu sortieren und aufzuteilen. Ein einfaches VBA-Makro kann die eindeutigen Werte in einer bestimmten Spalte lesen, für jeden eindeutigen Wert ein neues Arbeitsblatt erstellen und die übereinstimmenden Zeilen in das entsprechende Blatt kopieren. Die Ausführung des Makros für Datensätze mit Tausenden von Zeilen dauert weniger als eine Minute und führt die Kategorisierung genau wie angegeben durch, ohne die Mehrdeutigkeit einer automatisierten Mustererkennung.
Power Query bietet eine makrofreie Alternative für Benutzer, die mit den Datentransformationstools von Excel vertraut sind. Laden Sie die konvertierten Daten über die Registerkarte „Daten“ in Power Query. Verwenden Sie die Funktion „Gruppieren nach“, um Zeilen nach Kategorie zusammenzufassen, oder filtern Sie die Daten für jeden Kategoriewert und laden Sie jedes gefilterte Ergebnis in ein separates Arbeitsblatt. Power Query-Transformationen sind wiederholbar: Speichern Sie die Abfrage und aktualisieren Sie die Abfrage beim nächsten Konvertieren einer ähnlich strukturierten PDF-Datei, um dieselbe Sortierlogik auf die neuen Daten anzuwenden. Bei wiederkehrenden Arbeitsabläufen ist Power Query besser wartbar als ein VBA-Makro, da die Transformationsschritte im Abfrageeditor sichtbar sind und ohne Lesen von Code angepasst werden können.
Einrichten der automatischen Kategorisierung für wiederkehrende PDF-Importe
Wenn Sie eine Power Query-Transformation für wiederkehrende PDF-Importe erstellen, verwenden Sie den PDF-Dateinamen als Abfrageparameter, damit dieselbe Abfrage für neue Dateien ohne Änderung funktioniert. Erstellen Sie im Power Query-Editor einen Parameter namens FilePath und verweisen Sie im Datenquellenschritt darauf. Jedes Mal, wenn Sie eine neue PDF-Datei erhalten, aktualisieren Sie den FilePath-Parameter so, dass er auf die neue Datei verweist, und aktualisieren Sie ihn. Die gesamte Transformation, einschließlich kategoriebasierter Sortierung und Arbeitsblattaufteilung, wird automatisch auf den neuen Daten ausgeführt.
Wenn Sie regelmäßig ähnlich strukturierte PDF-Tabellen erhalten, beispielsweise wöchentliche Verkaufsberichte oder monatliche Rechnungsstapel, investieren Sie Zeit in die Einrichtung eines wiederholbaren Workflows. Beginnen Sie mit der Konvertierung einer repräsentativen PDF-Datei in Excel. Öffnen Sie Power Query und zeichnen Sie eine Transformation auf, die die Daten genau so filtert, sortiert und aufteilt, wie Sie sie benötigen. Speichern Sie die Abfrage. Konvertieren Sie für nachfolgende PDFs in Excel, öffnen Sie die Arbeitsmappe und aktualisieren Sie die Abfrage. Der gesamte Vorgang, vom Eintreffen der PDF-Datei bis hin zu kategorisierten Excel-Daten, dauert weniger als zwei Minuten, sobald die Abfrage erfolgt ist.
Für hochvolumige Arbeitsabläufe mit Dutzenden von PDFs pro Tag sollten Sie eine dedizierte Datenextraktionsplattform in Betracht ziehen, die die PDF-Konvertierung über eine API mit der Tabellenausgabe verbindet. Auf diesen Plattformen können Sie Extraktionsvorlagen definieren, die angeben, welche Spalten Kategoriedaten enthalten und wie die Ausgabe aufgeteilt werden soll. Die Vorlage wird einmal konfiguriert und automatisch auf jedes eingehende PDF angewendet. Zu den Plattformen mit dieser Funktion gehören Unternehmensdokumentverarbeitungsdienste und einige cloudbasierte PDF-API-Anbieter. Die PDF-zu-Excel-Konvertierung von WukongPDF erzeugt eine saubere, strukturierte Tabellenausgabe, die für Power Query-Transformationen bereit ist, mit konsistenter Spaltenzuordnung, die eine zuverlässige automatische Kategorisierung über Stapel ähnlicher Dokumente hinweg ermöglicht.
Wenn die manuelle Kategorisierung immer noch die beste Wahl ist
Hybride Arbeitsabläufe können effektiv sein, wenn die Automatisierung die Routinefälle und die manuelle Überprüfung die Randfälle bearbeitet. Richten Sie Power Query so ein, dass Zeilen, deren Kategoriespalte Standardwerte enthält, automatisch in die dafür vorgesehenen Arbeitsblätter sortiert werden. Alle Zeilen mit nicht standardmäßigen oder leeren Kategoriewerten werden an ein Überprüfungsarbeitsblatt weitergeleitet, wo eine Person die richtige Kategorisierung bestimmen kann. Dieser Ansatz maximiert die Automatisierungsabdeckung, ohne das System dazu zu zwingen, Vermutungen über mehrdeutige Daten anzustellen.
Automatisierung ist nicht immer die richtige Antwort. Wenn Sie eine kleine Anzahl von PDFs mit Tabellen erhalten, deren Struktur von Dokument zu Dokument unterschiedlich ist, kann die Zeit, die für die Konfiguration eines Makros oder einer Power Query aufgewendet wird, die Zeit überschreiten, die für die manuelle Sortierung der Daten erforderlich wäre. Bei einer einmaligen Aufgabe mit weniger als 50 Zeilen dauert das Auswählen der Zeilen für jede Kategorie und das Ausschneiden und Einfügen in neue Blätter einige Minuten und erfordert keine Einrichtung. Der Break-Even-Punkt liegt typischerweise bei etwa drei Vorkommen derselben Dokumentstruktur. Wenn Sie dieselbe Kategorisierung für denselben PDF-Typ dreimal oder öfter durchführen, macht sich die Automatisierung bezahlt.
Eine manuelle Kategorisierung ist auch dann sinnvoll, wenn die Kategorienlogik menschliches Urteilsvermögen erfordert. Eine Spalte „Region“ mit Werten wie „West“, „Osten“, und „Zentral“ ist für die automatisierte Aufteilung unkompliziert. Eine Notizspalte, in der die Kategorie durch den Inhalt einer Textbeschreibung impliziert wird, z. B. die Unterscheidung dringender von nicht dringenden Elementen anhand der Formulierung und nicht eines standardisierten Codes, erfordert einen menschlichen Leser. Kein automatisiertes Tool kann Daten basierend auf differenziertem, unstrukturiertem Text zuverlässig kategorisieren. Extrahieren Sie in diesen Fällen alle Daten in ein Blatt und kategorisieren Sie sie manuell.
Häufig gestellte Fragen
Was soll ich tun, wenn die PDF-Tabelle mehrere Seiten mit wiederholten Kopfzeilen umfasst? Die meisten PDF-zu-Excel-Konverter behandeln Kopfzeilen als Daten, wenn sie sich auf jeder Seite wiederholen. Nach der Konvertierung finden Sie bei jedem Seitenumbruch den Kopfzeilentext zwischen den Datenzeilen. Verwenden Sie den Excel-Filter, um alle Zeilen auszuwählen und zu löschen, deren erste Spalte den Kopfzeilentext enthält. Dieser Bereinigungsschritt ist vor der Durchführung einer Sortierung oder Kategorisierung erforderlich, da die Kopfzeilen fälschlicherweise als Daten kategorisiert würden.
Kann ich PDF-Tabellendaten in separate Excel-Dateien statt in separate Arbeitsblätter aufteilen?
Ja. Sowohl VBA-Makros als auch Power Query können die Daten jeder Kategorie in einer separaten Excel-Arbeitsmappe statt in einem separaten Arbeitsblatt innerhalb derselben Arbeitsmappe speichern. Verwenden Sie in VBA die Methoden Workbooks.Add und SaveAs. Laden Sie in Power Query jedes gefilterte Ergebnis in eine separate Verbindung und exportieren Sie jede Verbindung in eine eigene Datei. Die Wahl zwischen Arbeitsblättern und Arbeitsmappen hängt davon ab, wie die Daten verteilt werden. Wenn die Daten jeder Kategorie an eine andere Person gehen, sind separate Arbeitsmappen sauberer.
Was passiert, wenn die PDF-Tabelle verbundene Zellen enthält, die mehrere Kategorien umfassen?
Zusammengeführte Zellen sind ein bekanntes Problem bei der automatisierten Kategorisierung. Eine PDF-Tabelle, in der die Spalte „Region“ zusammengeführte Zellen verwendet, um mehrere Zeilen als „West“ zu kennzeichnen. wird extrahiert, wobei die Beschriftung nur in der ersten Zeile der Gruppe erscheint. Füllen Sie vor dem Sortieren die Kategoriespalte aus, sodass jede Zeile einen Kategoriewert hat. Wählen Sie in Excel die Spalte aus, drücken Sie Strg+G, klicken Sie auf „Spezial“, wählen Sie „Leerzeichen“, geben Sie „=“ ein, drücken Sie den Aufwärtspfeil und drücken Sie dann Strg+Eingabetaste. Dadurch werden alle leeren Zellen mit dem Wert aus der darüber liegenden Zelle gefüllt.
Beeinflusst die OCR-Genauigkeit die kategoriebasierte Sortierung?
Ja, deutlich. Wenn OCR „West“ falsch interpretiert, als „West“ oder "VVest" Diese Werte werden in der sortierten Ausgabe zu separaten Kategorien. Überprüfen Sie nach der Konvertierung und vor dem Sortieren immer die eindeutigen Werte in der Kategoriespalte. Ein schneller Scan einer Pivot-Tabelle der Kategoriespalte deckt OCR-Fehler sofort auf. Korrigieren Sie die Fehler manuell oder mit einem Suchen-und-Ersetzen-Durchlauf, bevor Sie die Kategorisierung ausführen.
Versuchen Sie es mit PDF in Excel
Keine Installation erforderlich. Funktioniert direkt in Ihrem Browser.