PDF テーブルからデータを取得することは、実際に試してみるまでは簡単そうに思えます。コピー＆ペーストすると、テキストの位置がずれることがあります。スクリーンショットは、操作できる数値ではなくイメージを提供します。そして、200 行のテーブルを手動で再入力するなど、良い午後を過ごすという考えは誰にもありません。もっと賢いアプローチがあります。ここでは、PDF 表データを Excel に抽出する手間を大幅に軽減する 4 つのヒントを紹介します。
1。 PDF テーブルが実際のデータなのか画像なのかを知る
何よりもまず、自分が何に取り組んでいるのかを理解してください。テーブル内のセルをクリックします。個々のテキストを強調表示できる場合、表は実際の選択可能なテキストで構成されており、そのテキストの抽出は簡単になります。クリックしても表全体がブロックとして選択される場合、またはまったく何も起こらない場合は、表の画像が表示されます。
テキストベースの表は、PDF から Excel へのコンバーターを使用して Excel に直接変換できます。画像ベースのテーブルでは、抽出を行う前に、まず OCR を実行してビジュアル データを実際のテキストに変換する必要があります。自分がどれを持っているかを知っていれば、間違ったアプローチを試したり、なぜうまくいかないのか疑問に思ったりする必要がなくなります。
スキャンされた文書、スプレッドシートの写真、および特定の古いソフトウェアからエクスポートされた PDF は、画像ベースのテーブルの通常の原因となります。 Excel、Word、または最新のレポート ツールから直接エクスポートされたものには、ほとんどの場合実際のテキストが含まれます。
2.コピー＆ペーストの代わりに PDF から Excel へのコンバータを使用する
PDF から Excel に表をコピー＆ペーストしても、きれいに機能することはほとんどありません。列は折りたたまれ、行は結合され、数値は単位から分離され、元のデータの再入力にかかる時間よりもクリーンアップに多くの時間が費やされます。これは、気付かないうちにデータセットにエラーを導入する確実な方法です。
専用の PDF から Excel へのコンバーターは、テーブル構造 (行、列、結合されたセル) を読み取り、それを適切なスプレッドシートにマップします。特に複雑なマルチレベルのヘッダーの場合、出力は常に完璧であるとは限りませんが、クリップボードに貼り付けるよりも大幅にきれいになります。 www.wukongpdf.com にある WukongPDF の PDF to Excel ツールは、ソフトウェアのインストールを必要とせずにこれを処理します。つまり、PDF をアップロードし、スプレッドシートをダウンロードします。
3.必要なページのみを抽出
PDF が 50 ページのレポートで、必要な表が 12 ～ 14 ページにある場合、ドキュメント全体をコンバーターで実行する必要はありません。まずこれら 3 つのページを別の PDF として抽出し、次にその小さなファイルを Excel に変換します。
このアプローチには 2 つの利点があります。コンバーターは無関係なコンテンツを解析するのではなく、関連するページに焦点を当てます。もう 1 つは、テーブルの検出を妨げる可能性のある周囲のテキスト、ヘッダー、フッター、およびその他のページ要素からのノイズが少ないため、出力がよりクリーンです。
まず PDF スプリッターを使用してページを抽出し、その後抽出を実行します。手順が 1 つ追加されますが、通常はより良い結果が得られます。
4.クリーンアップを行うことを想定し、どこを調べればよいかを知っておく
優れたコンバーターを使用した場合でも、ほとんどの場合、手動によるクリーンアップが必要です。問題は、下流で問題が発生する前に問題を発見できるように、どこをチェックすべきかを知ることです。
PDF 表を Excel に変換した後の最も一般的な問題:
- テキストとして保存された数値: 数値のように見えるセルですが、Excel ではテキストとして扱われ、合計されません。列内で左揃えの数値を探して確認します。Excel が数値として認識する場合は右揃えになるはずです。
- 転送されなかったセルの結合: PDF の 3 列にまたがるヘッダーが Excel の 1 つのセルにのみ配置され、他のセルは空白のままになることがあります。
- セル内で改行: PDF セル内の複数行のコンテンツが Excel で複数の行に分割されることがあります。
- 通貨およびパーセント記号: これらは数値に付加されるのではなく、削除されたり、隣接するセルに表示されたりすることがあります。
通常、最初の数行をざっとスキャンし、元の PDF と照らし合わせて合計を抜き取りチェックすると、重大な問題が見つかります。大規模なデータセットの場合、列に対して SUM を実行し、PDF で報告された合計と比較することで、数値が正しく転送されたかどうかを迅速に確認できます。
適切なツールで管理しやすくなる
PDF テーブルは、財務報告書、調査データ、政府提出書類、在庫輸出など、あらゆる業界に存在します。そのデータを使用可能なスプレッドシートに取り込むのに、1 時間の手作業を要する必要はありません。 www.wukongpdf.com の WukongPDF のような堅牢な PDF から Excel へのコンバーターが面倒な作業を処理し、後で何を確認すればよいかを把握しているため、結果の信頼性が保たれます。