공급업체가 최신 제품 카탈로그를 PDF로 보냅니다. SKU, 설명, 가격, 재고 수준이 표 형식으로 정렬된 40페이지의 제품입니다. 재고 관리 시스템으로 가져오려면 Excel의 이 데이터가 필요합니다. 40페이지의 제품 데이터를 수동으로 다시 입력하려면 근무일 전체가 걸리며 필연적으로 오류가 발생합니다. PDF 제품 카탈로그를 Excel 스프레드시트로 직접 변환하면 몇 분 안에 데이터가 추출됩니다.
제품 카탈로그 또는 가격표를 PDF에서 Excel로 변환하면 테이블 구조가 유지되고 데이터가 열과 행으로 추출됩니다. 추출 품질은 카탈로그 생성 방법에 따라 달라집니다. 데이터베이스에서 텍스트 기반 PDF로 내보낸 카탈로그는 깔끔하게 변환됩니다. 서식이 복잡한 페이지 레이아웃 프로그램으로 디자인된 카탈로그에는 더 많은 정리가 필요합니다.
제품 카탈로그가 표준 PDF 표와 어떻게 다른지
제품 카탈로그에는 추출 엔진에 도전하는 특정 구조적 특징이 있습니다. 여러 열에 걸쳐 있는 제품 카테고리의 셀을 병합했습니다. 여러 행을 차지하는 여러 줄의 제품 설명입니다. 제품 행 사이에 삽입된 이미지입니다. 가독성을 위해 행 색상을 번갈아 사용합니다. 회사 이름과 페이지 번호를 반복하는 페이지 머리글과 바닥글입니다. 추출 엔진은 실제 제품 데이터인 행, 카테고리 헤더인 행, 무시할 페이지 가구를 식별해야 합니다.
WukongPDF의 추출 엔진은 페이지의 공간 레이아웃을 분석하여 이러한 구조적 요소를 감지합니다. 카테고리 헤더는 폭과 굵은 형식으로 식별됩니다. 제품 행은 여러 행에 걸쳐 일관된 열 정렬로 식별됩니다. 페이지 머리글과 바닥글은 모든 페이지에서 반복되는 위치로 식별됩니다. 엔진은 페이지 가구를 필터링하면서 제품 데이터 행을 추출하여 더욱 깔끔한 스프레드시트를 생성합니다.
단계별: 제품 카탈로그를 Excel로 변환
PDF 카탈로그를 WukongPDF의 PDF-Excel 도구에 업로드합니다. 출력 형식으로 Excel을 선택합니다. 도구는 문서를 처리하고 .xlsx 파일을 생성합니다. 파일을 다운로드하고 엽니다. 데이터는 원본 카탈로그의 SKU, 설명, 가격 및 기타 필드에 대한 열이 있는 스프레드시트에 표시되어야 합니다. 각 제품은 한 행을 차지해야 합니다. 첫 번째 행에는 카탈로그에서 감지된 열 헤더가 포함될 수 있습니다.
구조 문제에 대해 추출된 데이터를 검토합니다. 제품 데이터와 함께 추출된 카테고리 헤더 행은 구분되어야 합니다. 이러한 행은 일반적으로 테이블의 전체 너비에 걸쳐 있으며 첫 번째 열의 텍스트만 포함합니다. 제품 수준 데이터만 필요한 경우 별도의 카테고리 열로 이동하거나 삭제하세요. 여러 행으로 분할된 여러 줄의 제품 설명은 단일 셀로 병합되어야 합니다. Excel의 셀 병합 기능을 사용하거나 수동으로 통합하세요.
추출된 가격 및 수치 데이터 정리
PDF 카탈로그의 가격에는 Excel에서 숫자가 아닌 텍스트로 처리하는 통화 기호, 쉼표 및 공백이 포함되는 경우가 많습니다. "$ 1,234.56"을 포함하는 셀 올바르게 합산되지 않습니다. Excel의 찾기 및 바꾸기를 사용하여 통화 기호와 공백을 제거합니다. 그런 다음 VALUE 함수나 텍스트를 열로 변환을 사용하여 텍스트를 숫자로 변환합니다.
재고 수준 및 수량에는 "개"와 같은 단위가 포함될 수 있습니다. 또는 "kg" 숫자 값과 단위 열로 구분해야 합니다. 공백 구분 기호가 있는 Excel의 텍스트 대 열을 사용하거나 수식을 사용하여 숫자 부분을 추출합니다. PDF 데이터 추출을 깨끗한 숫자 열로 만드는 데는 몇 분이 걸리지만 인벤토리 시스템에서 직접 가져올 수 있는 스프레드시트가 생성됩니다.
다양한 테이블 레이아웃이 있는 다중 페이지 카탈로그 처리
일부 카탈로그는 섹션별로 테이블 레이아웃을 변경합니다. 처음 10페이지는 3열로 구성된 제품 테이블일 수 있습니다. 다음 10페이지는 다른 제품 카테고리에 대한 5열 테이블일 수 있습니다. 각 섹션을 별도로 추출합니다. PDF를 업로드하고 첫 번째 섹션의 페이지 범위를 지정하세요. 발췌. 각 후속 섹션에 대해 반복합니다. 추출된 스프레드시트에 일관된 열 헤더를 추가하여 통합합니다. 이 섹션별 접근 방식은 혼합 레이아웃을 사용하여 한 번에 전체 카탈로그를 추출하는 것보다 더 깔끔한 데이터를 생성합니다.
추출 및 정리 후 Excel 파일을 저장합니다. 정적 PDF에 잠겨 있던 제품 데이터는 이제 가져오기, 분석 또는 비즈니스 시스템과의 통합이 가능한 구조화된 스프레드시트에 있습니다. 반복되는 카탈로그 업데이트의 경우 정리 단계를 Excel 매크로 또는 템플릿으로 저장하세요. 다음 달에 공급업체가 업데이트된 카탈로그를 보내면 동일한 추출을 실행하고 동일한 정리 단계를 적용하십시오. 처음에는 1시간이 걸렸던 PDF Converter 워크플로가 두 번째에는 10분이 걸리고 세 번째 업데이트에서는 일상적인 작업이 됩니다.
제품 이미지가 포함된 카탈로그를 위한 실용적인 기술: 추출 후 각 제품 행이 올바른 이미지에 해당하는지 확인합니다. 추출 엔진은 이미지를 인접한 셀이나 별도의 행에 배치할 수 있습니다. Excel에서 "이미지"라는 라벨이 붙은 열을 만듭니다. 각 행 옆의 이미지가 제품 설명과 일치하는지 수동으로 확인하세요. 이 데이터를 전자상거래 플랫폼으로 가져오는 것이 목표라면 이미지-제품 매핑이 정확해야 합니다. 위치가 잘못된 이미지는 웹사이트 목록에 잘못된 제품 사진이 나타나는 것을 의미합니다.
"1-99: $10, 100-499: $8, 500+: $6"와 같이 비표준 형식으로 표시되는 대량 할인 또는 계층별 가격이 포함된 가격표의 경우 하나의 셀에 모두 포함되어 있으면 추출 후 이를 별도의 행이나 열로 분할합니다. 적절한 구분 기호와 함께 Excel의 텍스트를 열로 사용하세요. 각 수량 계층과 해당 가격은 데이터를 정렬, 필터링하고 행당 하나의 가격을 예상하는 다운스트림 시스템으로 가져올 수 있도록 자체 셀을 차지해야 합니다.
추출 후 데이터 유효성 검사 열을 추가하여 가격 이상을 포착하세요. 카탈로그에 "권장 소매 가격" 열이 있는 경우 및 "가격" 가격이 소매가를 초과하는 행에 플래그를 지정하는 수식을 추가하세요. 이러한 이상 현상은 변환 중에 두 가격 열이 바뀌는 등의 추출 오류나 조사가 필요한 실제 데이터 문제를 나타낼 수 있습니다. 공식 기반 검증은 데이터 추출과 데이터 사용 사이에 품질 게이트를 추가합니다.