Gegevens uit een PDF-tabel halen klinkt eenvoudig totdat u het daadwerkelijk probeert. Copy-paste geeft je een puinhoop van verkeerd uitgelijnde tekst. Schermafbeeldingen geven u een afbeelding, geen cijfers waarmee u kunt werken. En het handmatig overtypen van een tabel met 200 rijen is voor niemand een goed idee. Er zijn slimmere benaderingen: hier zijn vier tips die het extraheren van PDF-tabelgegevens naar Excel aanzienlijk minder pijnlijk maken.
1. Weet of uw PDF-tabel echte gegevens of een afbeelding is
Zoek eerst uit waar je mee te maken hebt. Klik op een cel in de tabel. Als u afzonderlijke stukken tekst kunt markeren, bestaat de tabel uit echte, selecteerbare tekst, en het extraheren ervan zal eenvoudig zijn. Als u door te klikken de hele tabel als blok selecteert, of als er helemaal niets gebeurt, kijkt u naar een afbeelding van een tabel.
Op tekst gebaseerde tabellen kunnen rechtstreeks naar Excel worden geconverteerd met behulp van een PDF naar Excel converter. Op afbeeldingen gebaseerde tabellen hebben eerst OCR nodig om de visuele gegevens in daadwerkelijke tekst om te zetten voordat er extractie kan plaatsvinden. Als u weet welke u heeft, voorkomt u dat u de verkeerde aanpak probeert en u zich afvraagt waarom deze niet werkt.
Gescande documenten, foto's van spreadsheets en PDF's die vanuit bepaalde oudere software zijn geëxporteerd, zijn de gebruikelijke boosdoeners voor op afbeeldingen gebaseerde tabellen. Alles dat rechtstreeks vanuit Excel, Word of een moderne rapportagetool wordt geëxporteerd, zal bijna altijd echte tekst bevatten.
2. Gebruik een PDF naar Excel-converter in plaats van kopiëren en plakken
Het kopiëren en plakken van een tabel van PDF naar Excel werkt bijna nooit netjes. De kolommen vallen samen, de rijen worden samengevoegd, getallen worden gescheiden van hun eenheden en u besteedt meer tijd aan het opruimen dan het opnieuw typen van de oorspronkelijke gegevens zou hebben gekost. Het is een betrouwbare manier om fouten in een dataset te introduceren zonder het te beseffen.
Een speciale PDF naar Excel converter leest de tabelstructuur (rijen, kolommen, samengevoegde cellen) en brengt deze in een geschikt spreadsheet in kaart. De uitvoer is niet altijd perfect, vooral niet bij complexe headers met meerdere niveaus, maar het is aanzienlijk schoner dan plakken op het klembord. De PDF naar Excel-tool van WukongPDF op www.wukongpdf.com regelt dit zonder dat enige software-installatie vereist is: upload de PDF, download de spreadsheet.
3. Pak alleen de pagina's uit die u nodig heeft
Als uw PDF een rapport van 50 pagina's is en de tabel die u nodig heeft op pagina's 12 tot en met 14 staat, is er geen reden om het hele document door een converter te laten lopen. Pak die drie pagina's eerst uit als een afzonderlijke PDF en converteer dat kleinere bestand vervolgens naar Excel.
Deze aanpak heeft twee voordelen: de converter richt zich op de relevante pagina's in plaats van op het parseren van irrelevante inhoud, en de uitvoer is schoner omdat er minder ruis is van omringende tekst, kopteksten, voetteksten en andere pagina-elementen die de tabeldetectie kunnen verstoren.
Gebruik een PDF-splitter om eerst de pagina's te extraheren en voer vervolgens de extractie uit. Het voegt één stap toe, maar levert meestal betere resultaten op.
4. Verwacht wat op te ruimen en weet waar je moet zoeken
Zelfs met een goede converter is een beetje handmatige opruiming bijna altijd nodig. De vraag is waar u moet controleren, zodat u problemen kunt onderkennen voordat deze stroomafwaarts problemen veroorzaken.
De meest voorkomende problemen na het converteren van een PDF-tabel naar Excel:
- Getallen opgeslagen als tekst: cellen die op getallen lijken, maar Excel als tekst behandelen en niet optellen. Controleer dit door te zoeken naar links uitgelijnde getallen in een kolom. Deze moeten rechts uitgelijnd zijn als Excel ze als numeriek herkent.
- Samengevoegde cellen die niet zijn overgedragen: een koptekst die drie kolommen in de PDF beslaat, kan in Excel in slechts één cel terechtkomen, terwijl de andere blanco blijven.
- Regeleinden in cellen: inhoud van meerdere regels in een PDF-cel wordt in Excel soms opgesplitst in meerdere rijen.
- Valuta- en percentagesymbolen: deze worden soms verwijderd of komen terecht in aangrenzende cellen in plaats van aan het getal te zijn gekoppeld.
Een snelle scan van de eerste paar rijen en een controle van de totalen aan de hand van de originele PDF brengt meestal alles wat cruciaal is aan het licht. Voor grote datasets is het uitvoeren van een SUM op een kolom en het vergelijken ervan met het gerapporteerde totaal van de PDF een snelle controle of de getallen correct zijn overgedragen.
Het juiste hulpmiddel maakt het beheersbaar
PDF-tabellen bestaan in elke branche: financiële rapporten, onderzoeksgegevens, overheidsdocumenten, inventarisexporten. Het omzetten van die gegevens in een bruikbaar spreadsheet hoeft geen uur handmatig werk te betekenen. Een solide PDF naar Excel converter zoals WukongPDF op www.wukongpdf.com zorgt voor het zware werk, en als u weet wat u daarna moet controleren, blijven de resultaten betrouwbaar.