PDF를 CSV로 변환하는 것은 가능하지만, 그것이 얼마나 잘 작동하는지는 거의 전적으로 PDF의 데이터가 적절한 테이블로 구성되어 있는지 여부에 달려 있습니다. 그럴 때, 결과는 훌륭합니다. 데이터가 자유 형식 텍스트이거나 스캔된 형식인 경우 프로세스에 몇 가지 추가 단계가 필요합니다.
PDF를 CSV로 변환하는 것이 잘 작동하는 경우
CSV 변환은 PDF에 송장 요약, 재무제표, 재고 목록 또는 내보낸 보고서와 같이 일관된 데이터가 포함된 행과 열 등 명확하게 정의된 테이블이 포함되어 있을 때 가장 잘 작동합니다. PDF을 Excel로 변환하는 도구는 일반적으로 나중에 스프레드시트를 CSV로 내보내 깨끗하고 가져올 수 있는 파일을 제공할 수 있습니다.
기본 디지털 PDF(스캔이 아닌 소프트웨어에서 직접 생성된 것)는 테이블 구조가 이미지에서 유추되는 것이 아니라 파일 데이터에 내장되어 있기 때문에 스캔한 문서보다 더 정확하게 변환합니다.
PDF 테이블을 CSV로 변환하는 방법
가장 신뢰할 수 있는 2단계 접근 방식은 먼저 PDF를 Excel로 변환한 다음 스프레드시트를 CSV로 저장하는 것입니다. PDF을(를) WukongPDF의 PDF(Excel 도구)에 업로드하고 결과 .xlsx 파일을 다운로드한 후 Excel 또는 Google Sheets에서 열고 CSV로 내보내거나 다운로드하세요.
Excel에서 파일 > 다른 이름으로 저장하고 형식 목록에서 CSV(쉼표로 구분)를 선택하세요. Google 스프레드시트에서 파일 > 다운로드 > 쉼표로 구분된 값(.csv). 둘 다 CSV 입력을 허용하는 모든 데이터베이스, 분석 도구 또는 애플리케이션으로 가져올 수 있는 표준 CSV 파일을 생성합니다.
CSV 도구로 PDF 안내
일부 도구는 중간 Excel 단계 없이 직접 PDF에서 CSV로의 변환을 제공합니다. Tabula는 PDFs에서 CSV 또는 TSV 형식으로 테이블을 추출하기 위해 특별히 설계된 잘 알려진 오픈 소스 옵션입니다. PDF 보고서가 분석 파이프라인에 입력되어야 하는 데이터 저널리즘 및 연구 워크플로에서 특히 인기가 있습니다.
Tabula를 사용하면 추출하려는 특정 표 주위에 선택 상자를 그릴 수 있습니다. 이는 PDF 페이지에 차트, 각주 또는 본문 텍스트와 함께 표가 혼합된 콘텐츠가 포함되어 있는 경우 도움이 됩니다. 선택 접근 방식은 CSV 출력을 복잡하게 만드는 주변 콘텐츠를 가져오는 것을 방지합니다.
스캔한 PDF를 CSV로 변환하는 중
스캔된 PDF에는 테이블 데이터를 추출하기 전에 OCR이 필요합니다. 그것이 없으면 도구는 표가 아닌 이미지를 보고 행과 열을 식별할 수 없습니다. 먼저 OCR PDF 도구를 통해 스캔한 PDF를 실행하여 텍스트 레이어 버전을 만든 다음 OCR 출력을 PDF-Excel 또는 PDF-CSV 변환기에 공급합니다.
테이블의 OCR 정확도는 스캔 품질과 테이블 복잡성에 따라 달라집니다. 명확한 테두리와 일관된 간격을 갖춘 간단한 테이블은 깔끔하게 변환됩니다. 병합된 셀, 색상이 지정된 배경 또는 일관되지 않은 정렬이 있는 조밀한 테이블은 변환 후 스프레드시트에서 수동으로 정리해야 할 수 있습니다.
변환 후 CSV 정리
변환이 잘 되더라도 PDFs의 CSV 파일은 일반적으로 실제로 사용하기 전에 약간의 정리가 필요합니다. 일반적인 문제에는 페이지 나누기가 발생한 추가 빈 행, 각 PDF 페이지에서 반복되어 이제 여러 번 나타나는 머리글 행, 텍스트 문자열로 가져온 숫자, 계산을 중단시키는 숫자 필드 내의 통화 기호 또는 쉼표가 포함됩니다.
먼저 스프레드시트 앱에서 CSV를 열고 데이터베이스나 분석 도구로 가져오기 전에 빠른 검토를 수행하면 나중에 가져오기 오류를 디버깅하는 것보다 시간이 절약됩니다.