Scarichi il tuo estratto conto come PDF, lo apri e vedi colonne ordinate di date, descrizioni, debiti, crediti e saldi. Converti il PDF in Excel aspettandoti che quelle colonne diventino colonne del foglio di calcolo. Invece, ottieni un pasticcio: una data nella colonna A, un frammento di descrizione nella colonna B, più descrizione nella colonna C, importi di debito e credito mescolati insieme nella colonna D e il saldo spinto da qualche parte nella colonna E. Le colonne sono disallineate perché il PDF memorizza il testo in posizioni visive, non nelle strutture delle tabelle.
La conversione dell'estratto conto da PDF a Excel è una delle conversioni di documenti più richieste e problematiche. Il formato PDF tratta una tabella di estratto conto come una raccolta di caratteri di testo posizionati su una pagina. Il convertitore deve eseguire il reverse engineering della struttura della tabella da quelle posizioni e il reverse engineering fallisce quando le posizioni non si allineano perfettamente con una griglia pulita.
Perché le tabelle PDF non vengono mappate in modo pulito alle colonne del foglio di calcolo
In un foglio di calcolo, una cella ha confini espliciti. La cella nella riga 3, colonna B contiene esattamente un valore. In un PDF, il testo viene posizionato in corrispondenza di coordinate xey specifiche sulla pagina. Il testo che appartiene a quella che sembra la colonna B può estendersi su un intervallo di coordinate x. Il convertitore deve indovinare i limiti della colonna osservando dove inizia e finisce la maggior parte dei valori in una colonna e l'ipotesi è spesso errata quando i valori variano in lunghezza.
Le colonne a larghezza variabile negli estratti conto sono la causa principale del disallineamento. La colonna Descrizione è molto più ampia delle colonne Data o Importo. Una lunga descrizione può estendersi allo spazio che appartiene visivamente alla colonna successiva. Il convertitore deve decidere se il testo lungo appartiene a una colonna o si è riversato in quella successiva e diversi convertitori prendono decisioni diverse.
Le voci su più righe aggravano il problema. Una transazione bancaria con una lunga descrizione può terminare in una seconda riga. Nel PDF, questo appare come due oggetti di testo separati con la stessa posizione x. Il convertitore deve riconoscere che questi due oggetti di testo appartengono alla stessa cella, non a una nuova riga. La mancata unione di voci su più righe crea righe fantasma nell'output di Excel.
Prova da PDF a Excel
Nessuna installazione necessaria. Funziona direttamente nel tuo browser.
Come diversi convertitori gestiscono il rilevamento delle tabelle
I convertitori di base utilizzano un semplice algoritmo di rilevamento delle colonne: trova le posizioni x più comuni in cui inizia il testo e definiscile come confini delle colonne. Questo funziona per istruzioni con larghezze di colonna rigide e coerenti. Non riesce per le istruzioni in cui la larghezza delle colonne varia tra le pagine o in cui il testo occasionalmente si estende oltre la sua colonna.
I convertitori avanzati utilizzano modelli di machine learning addestrati sui layout degli estratti conto. Questi modelli riconoscono modelli comuni, una breve data a sinistra, una lunga descrizione al centro, un importo in valuta a destra, e possono identificare le colonne anche quando le posizioni limite non sono perfettamente coerenti. La precisione di Estrai dati PDF di questi convertitori avanzati è significativamente più elevata, ma in genere sono disponibili solo in strumenti a pagamento o aziendali.
WukongPDF fornisce gli strumenti PDF Converter tramite il browser per l'estrazione dei dati tabulari. La conversione elabora ogni pagina, identifica le strutture delle tabelle ed esporta i dati in formato Excel.
Pulizia manuale dell'output di conversione disallineato
Dopo la conversione, l'output di Excel richiede quasi sempre una pulizia manuale. Ordina il foglio di calcolo in base a una colonna che dovrebbe contenere dati coerenti, come la colonna Data. Le righe con date nella colonna sbagliata sono disallineate. Trascina queste righe nell'allineamento corretto della colonna. La pulizia è noiosa ma sistematica.
Utilizza la funzionalità Testo in colonne di Excel per dividere le celle unite. Se una cella contiene sia un importo in debito che un importo in avere separati da spazi, Testo in colonne può dividerli in colonne separate. Definire il punto di suddivisione in base alla formattazione coerente dell'estratto conto originale.
Scarichi regolarmente gli estratti conto della stessa banca, crea un modello Excel con la struttura delle colonne corretta e utilizzalo per convalidare ogni conversione. Confronta i dati convertiti con il modello e contrassegna le righe che non corrispondono al modello previsto. L'approccio del modello rileva i disallineamenti in modo coerente tra più tentativi di conversione.
Alternative alla conversione PDF per dati bancari
La maggior parte delle banche offre il download dei dati delle transazioni in formati strutturati oltre agli estratti conto PDF. I formati CSV, QFX e OFX sono progettati per l'importazione di dati e non richiedono la conversione. Prima di convertire un estratto conto in PDF, controlla se la tua banca offre un'opzione di download strutturato. Il formato strutturato verrà importato in modo pulito in Excel o nel software di contabilità senza problemi di disallineamento.
Per gli estratti conto disponibili solo in formato PDF, valuta la possibilità di utilizzare un elaboratore di documenti finanziari dedicato anziché un convertitore PDF generico. Questi strumenti specializzati sono addestrati sui layout dei documenti finanziari e gestiscono il rilevamento delle colonne, l'unione di più righe e la formattazione della valuta in modo più accurato rispetto agli strumenti generici.
Gli estratti conto con tipi di transazione codificati a colori, come il verde per i crediti e il rosso per i debiti, aggiungono complessità alla conversione PDF. Le informazioni sul colore sono visive e non influiscono sul posizionamento del testo, ma i convertitori che analizzano la formattazione visiva potrebbero interpretare la modifica del colore come un limite di colonna, producendo colonne fantasma aggiuntive nell'output.
Gli estratti conto multivaluta introducono ulteriore complessità di conversione. Un estratto conto che include transazioni sia in USD che in EUR può avere colonne di importo in posizioni diverse o con formattazione diversa. Il convertitore potrebbe non riconoscere che due serie di colonne di importo appartengono alla stessa struttura logica, producendo un output Excel più frammentato rispetto a un estratto conto in valuta singola.
Per conversioni ricorrenti dello stesso formato di estratto conto, investi tempo nella configurazione delle impostazioni del convertitore una volta e salvale come preimpostazione. La preimpostazione acquisisce i parametri di rilevamento delle colonne, il comportamento di unione di più righe e la formattazione della valuta che funzionano per il layout specifico dell'estratto conto. Ogni conversione successiva è più precisa della prima perché lo strumento è stato adattato ai tuoi dati.
Dopo aver convertito e ripulito l'output di Excel, confronta il conteggio delle transazioni e gli importi totali con l'originale PDF. Se Excel ha 237 righe ma il PDF elenca 240 transazioni, tre transazioni sono state perse o unite durante la conversione. Trova e aggiungi manualmente le transazioni mancanti per completare il set di dati.
Alcune banche formattano gli estratti conto con ombreggiatura alternata delle righe, ogni altra riga ha uno sfondo grigio chiaro. Questa ombreggiatura è un elemento di formattazione visiva nel PDF. Quando viene convertito in Excel, l'ombreggiatura potrebbe andare persa o potrebbe essere applicata in modo incoerente. La perdita di ombreggiatura non influisce sulla precisione dei dati, ma rende più difficile la scansione visiva dell'output di Excel.
Gli estratti conto PDF che includono elementi grafici come il logo della banca e i bordi decorativi non influiscono sulla conversione dei dati, ma possono apparire come immagini sparse nell'output di Excel. Queste immagini dovrebbero essere cancellate dal file Excel per ripulirne l'aspetto. Non contengono dati estraibili.
Per gli estratti conto di banche internazionali che includono transazioni in più valute, la complessità della conversione aumenta. Tassi di cambio, simboli di valuta e diversi separatori decimali aggiungono sfide all'analisi. La verifica manuale delle conversioni multivaluta è particolarmente importante.
Gli estratti conto PDF generati dai portali bancari online sono generalmente basati su testo e vengono convertiti in modo più accurato rispetto agli estratti conto cartacei scansionati. Se la tua banca offre estratti conto PDF scaricabili tramite il proprio portale online, utilizzali anziché scansionare gli estratti conto stampati. Gli originali digitali hanno dati di testo più puliti che vengono convertiti in modo più affidabile.
Dopo aver ripulito la conversione di Excel, utilizzare gli strumenti di convalida dei dati di Excel per verificare la presenza di anomalie. Filtra per date esterne al periodo dell'estratto conto, importi che non corrispondono al formato previsto e descrizioni insolitamente brevi o lunghe. Queste anomalie spesso indicano errori di conversione che necessitano di correzione manuale.
La data di generazione del PDF incorporata nei metadati dell'estratto conto può essere utile per verificare che si stia convertendo la versione corretta dell'estratto conto. Un estratto conto scaricato a gennaio e un altro a marzo per lo stesso periodo dovrebbero essere identici.
Se i dati Excel convertiti verranno importati nel software di contabilità, formattare le colonne Excel in modo che corrispondano al formato di importazione previsto dal software di contabilità. La maggior parte dei software di contabilità richiede nomi di colonne e formati di dati specifici.
La precisione della conversione può essere migliorata preelaborando il PDF per migliorare il livello di testo. L'esecuzione dell'OCR su un PDF basato su testo crea un livello di testo più pulito che il convertitore può analizzare in modo più accurato rispetto ai dati di posizionamento del testo originale.
Quando il PDF dell'estratto conto viene generato dall'online banking, la data di creazione del PDF nei metadati corrisponde alla data di download, non alla data dell'estratto conto. Il periodo dell'estratto conto è indicato all'interno del contenuto dell'estratto conto. Verifica con quale data stai lavorando prima di utilizzare i dati convertiti per analisi urgenti.
Lo sforzo investito nel ripulire una conversione da PDF a Excel disallineata viene ripagato quando i dati vengono importati in modo affidabile nei sistemi contabili, analizzati in fogli di calcolo o integrati con strumenti di reporting finanziario.
Comprendere le cause profonde del disallineamento da PDF a Excel aiuta gli utenti a scegliere il giusto approccio di conversione, applicare tecniche di pulizia appropriate e riconoscere quando origini dati alternative produrrebbero risultati migliori rispetto alla conversione PDF.
Quando la conversione produce risultati inaccettabili, richiedere i dati in un formato strutturato come CSV direttamente alla banca fornisce il percorso più pulito per ottenere dati utilizzabili su un foglio di calcolo senza le frustrazioni della pulizia della conversione PDF.
| Problema di conversione | Causa | Tecnica di pulizia |
|---|---|---|
| Celle unite | Le descrizioni su più righe si estendono su più righe | Utilizza Testo in colonne o suddivisione manuale |
| Righe fantasma | Il convertitore divide una transazione in due | Ordina per data; unire le righe duplicate |
| Transazioni mancanti | L'OCR ha mancato una riga o il convertitore è saltato | Conteggio delle righe rispetto all'originale PDF; aggiungere manualmente |
| Colonne disallineate | Colonna Descrizione a larghezza variabile | Trascina le celle disallineate nelle colonne corrette |
Prova da PDF a Excel
Nessuna installazione necessaria. Funziona direttamente nel tuo browser.