Het vertalen van een PDF-tabel betekent meestal dat alle tekst van de ene taal naar de andere wordt geconverteerd. Maar sommige scenario's vragen om een meer chirurgische aanpak: de hoofdtekst in de oorspronkelijke taal houden, terwijl alleen de getallen van het ene formaat naar het andere worden vertaald, of het datumformaat converteren van DD/MM/JJJJ naar MM/DD/JJJJ, of het veranderen van decimale scheidingstekens van Europese komma's naar Engelse punten. Dit is geen taalvertaling in de conventionele zin. Het is lokalisatie van numerieke formaten en vereist andere hulpmiddelen dan vertaling van de volledige tekst.
Numerieke lokalisatie gaat minder over taal en meer over formaatconventies.
Een Translate PDF-aanpak voor getallen en datums werkt op het niveau van gegevensextractie in plaats van op het niveau van tekstvervanging. Extraheer de numerieke waarden, converteer ze programmatisch en leg de geconverteerde waarden over de originele PDF of maak een nieuwe versie van de tabel. De PDF Converter van WukongPDF voert de extractiestap betrouwbaar uit, en de op spreadsheets gebaseerde formaatconversie doet de rest. Het isoleren van alleen de numerieke cellen van de omringende tekst is de cruciale eerste stap die bepaalt of de rest van het proces werkt.
Algemene verschillen in numeriek en datumformaat tussen regio's
Decimale scheidingstekens en scheidingstekens voor duizendtallen zijn de grootste bron van verwarring. Het getal duizendvijfentwintig cent wordt in de VS en Groot-Brittannië geschreven als 1.000,25, maar in het grootste deel van continentaal Europa en Zuid-Amerika als 1.000,25. Voor een tabel van Duitse origine die bestemd is voor een Amerikaans publiek, moet elke decimale komma worden omgezet in een punt en elke duizendtal moet worden omgezet in een komma, zonder ook maar één woord van de omringende tekst aan te raken. Algeheel zoeken en vervangen corrumpeert zowel cijfers als tekst, waardoor er een puinhoop ontstaat die nog erger is dan de oorspronkelijke opmaak.
Datumreeksen voegen een nieuwe dimensie van dubbelzinnigheid toe. De string 03/04/2025 betekent 4 maart in de VS, maar 3 april in het VK en het grootste deel van Europa. Als u converteert zonder het bronformaat te kennen, loopt u het risico dat elke datum weken of maanden wordt verschoven. Valutasymbolen hebben ook positionele regels: in Ierland gaat het eurosymbool vooraf aan het bedrag, maar in Frankrijk volgt het, en in sommige regio's wordt een spatie tussen het symbool en het getal ingevoegd, terwijl dat in andere regio's niet het geval is. Negatieve getallen verschijnen met een voorloopmin in sommige landen, haakjes in andere, en een volgmin in enkele. Elke conventie is diep verankerd in de regionale praktijk en moet correct in kaart worden gebracht, zodat de doelgroep het document kan vertrouwen.
Alleen de numerieke cellen uit de PDF-tabel extraheren
De tabel in een celadresseerbaar formaat krijgen is stap één. Bij exporteren naar Excel of CSV blijft de rasterstructuur behouden en kan de ingebouwde formaatdetectie van Excel numerieke cellen automatisch identificeren. De wizard Tekst naar kolommen en herkenning van getalformaten behandelen eenvoudige gevallen zonder enige handmatige tussenkomst. Voor tabellen die netjes exporteren, duurt de volledige conversie minder dan een minuut.
Tabellen die niet netjes worden geëxporteerd, samengevoegde cellen, complexe randen, gemengde tekst- en getalinhoud in afzonderlijke cellen, hebben een programmatische aanpak nodig. Python-bibliotheken zoals camelot-py en tabula-py extraheren tabellen als DataFrames met ingebouwde numerieke kolomdetectie. Het programmatische pad verwerkt ook randgevallen, zoals cellen die zowel een waarde als een afkorting van de eenheid bevatten, waarbij alleen het numerieke gedeelte opnieuw moet worden opgemaakt. Het schrijven van een paar regels Python die alleen formaatconversie toepassen op geïdentificeerde numerieke kolommen is beter dan het handmatig repareren van tientallen cellen die door een algemene export beschadigd waren.
Getalformaten programmatisch converteren
Geïsoleerde numerieke cellen volgen voorspelbare conversieregels. Decimale komma's worden punten. Duizenden punten worden komma's of worden volledig verwijderd. Het moeilijkste deel is het bepalen welke rol elke scheider in de bron vervult. Een enkele komma in 1.234 kan een duizendtal zijn (wat 1234 oplevert) of een decimaal getal (wat 1,234 oplevert). De kolomcontext lost de dubbelzinnigheid op: als elk ander getal in de kolom hetzelfde patroon volgt en de grootheden zinvol zijn onder slechts één interpretatie, is die interpretatie van toepassing op de hele kolom. Consistentie binnen een kolom is een sterker signaal dan het formaat van een enkele cel.
Voor datumconversie zijn zowel de bron- als de doelformaten bekend. Verwissel de eerste twee componenten voor DD/MM naar MM/DD-richting. Als het bronformaat onzeker is, zoek dan naar waarden groter dan 12 in de dag- of maandpositie. Een datum als 15/03/2025 kan alleen DD/MM/JJJJ zijn, omdat de maanden hun top bereiken op 12. Veranker deze ondubbelzinnige datums om de notatie af te leiden, pas deze toe op de dubbelzinnige datums en markeer elke geconverteerde datum waarvan de dag groter is dan 12 in de doelnotatie voor handmatige beoordeling. De vlaggen vangen de randgevallen op die de geautomatiseerde conversielogica over het hoofd ziet.
| Element | Bronformaat (EU) | Doelformaat (VS) | Conversieregel |
|---|---|---|---|
| Decimaal getal | 1.234,56 | 1.234,56 | Ruil . en , rollen |
| Datum | 31/12/2025 | 31-12-2025 | Verwissel de eerste twee componenten |
| Munteenheid | 123,45€ | $ 148,14 | Converteren + opnieuw formatteren per wisselkoers |
| Percentage | 12,5% | 12,5% | Vervang de decimale komma door een punt |
Geconverteerde nummers opnieuw integreren in de PDF
Twee paden leiden terug naar een voltooide PDF. Het maken van een nieuwe PDF van het geconverteerde spreadsheet met een opmaak die overeenkomt met het origineel, werkt goed voor eenvoudige tabellen. Moderne spreadsheet-naar-PDF-exporttools behouden de meeste opmaak, en met een sjabloon die is ingesteld om de oorspronkelijke lay-out te weerspiegelen, is de uitvoer vrijwel niet te onderscheiden, afgezien van de geconverteerde waarden. Tabellen met complexe opmaak hebben in plaats daarvan de overlay-aanpak nodig.
Overlay werkt voor complexe lay-outs waarbij wederexport de betrouwbaarheid verliest. Converteer alleen de numerieke cellen naar een transparante tekstlaag, plaats deze op de originele PDF op de exacte posities van de originele nummers en bedek de originelen eerst met witte redactievakken. Hierdoor blijft de volledige visuele lay-out behouden terwijl gecorrigeerde numerieke formaten worden weergegeven. Nauwkeurige positionering is vervelend voor grote tabellen, dus reserveer deze techniek voor korte documenten waarbij de lay-outgetrouwheid van het grootste belang is, zoals gecertificeerde verklaringen voor toezichthouders die het document pixel voor pixel vergelijken met hun indieningsrichtlijnen.
Kwaliteitscontrole van de geconverteerde uitvoer
Numerieke fouten verbergen zich in het volle zicht. Een saldo van 123.456,78 dat ten onrechte is omgezet naar 123.456,78 verandert de waarde met twee ordes van grootte, maar kan in één oogopslag als een redelijk getal worden gelezen. Verifieer monsters met originelen door totalen te vergelijken, rijsommen te vergelijken en te valideren dat geconverteerde datums binnen het verwachte bereik terechtkomen. Eén snelle controle: komt het omgerekende totaal ongeveer overeen met het origineel na toepassing van de relevante factor? Een mismatch wijst op een logische conversiefout en niet op een afrondingsverschil.
Kritieke documenten hebben een tweede paar ogen nodig. Laat iemand anders zelfstandig een willekeurige steekproef omzetten en de resultaten vergelijken. De kosten van een numerieke fout in een financiële indiening of juridische overeenkomst vallen in het niet bij de kosten van de verificatiestap. Voor terugkerende conversies houdt u een testpakket met bekende waarden met bekende correcte uitvoer bij en voert u deze uit voor elke nieuwe conversie. De testsuite vangt regressies onmiddellijk op en wekt het vertrouwen dat de conversielogica alle gedocumenteerde edge-cases afhandelt.