Een klant e-mailt u een pdf-factuur met 47 regelitems. Voor uw boekhoudsoftware heeft u de totalen nodig in een Excel-spreadsheet. De factuur is een gescande afbeelding, u kunt dus niet zomaar de nummers selecteren en kopiëren. U zou elke regel handmatig opnieuw kunnen typen, wat 15 minuten zou duren en ten minste één typefout zou veroorzaken. Of u kunt de gegevens automatisch extraheren en binnen twee minuten over een schoon spreadsheet beschikken.
Het converteren van PDF-facturen en financiële documenten naar Excel is een van de meest waardevolle gebruiksscenario's van PDF naar Excel, omdat het de foutgevoelige handmatige gegevensinvoer vervangt door geautomatiseerde extractie. De technologie is zover ontwikkeld dat goed gestructureerde facturen met duidelijke tabelindelingen betrouwbaar worden omgezet, inclusief de regelitems, hoeveelheden, eenheidsprijzen en totalen.
Controleren of uw factuur gereed is voor gegevensextractie
Voordat u probeert uit te pakken, moet u bepalen welk type PDF u heeft. Probeer de nummers op de factuur te selecteren door te klikken en te slepen. Als u afzonderlijke nummers kunt selecteren en kopiëren, bevat de PDF echte tekstgegevens. Extractie zal eenvoudig zijn. Als klikken de hele pagina als één blok selecteert of helemaal niets selecteert, is de factuur een gescande afbeelding. Voor extractie is OCR als eerste stap vereist, wat minder nauwkeurig is, maar nog steeds veel sneller dan handmatige invoer.
Controleer de factuurindeling. Een eenvoudige tabel met duidelijke kolomkoppen, Beschrijving, Aantal, Eenheidsprijs, Totaal en één rij per regelitem, converteert met vrijwel perfecte nauwkeurigheid. Een factuur met samengevoegde cellen, beschrijvingen met meerdere regels, subtotalen afgewisseld met regelitems, of kortingsrijen die meerdere kolommen beslaan, zullen minder netjes worden geconverteerd omdat het tabeldetectiealgoritme worstelt met onregelmatige rij- en kolompatronen. Hoe regelmatiger de tabelstructuur, hoe beter de extractieresultaten.
Stap voor stap: Factuurgegevens extraheren naar Excel
Als de factuur een op tekst gebaseerde PDF is, handelt de PDF-naar-Excel-tool de extractie rechtstreeks af. Upload de pdf. Selecteer Excel als uitvoerformaat. De tool analyseert de pagina-indeling, detecteert de tabelstructuur en exporteert de gegevens naar een .xlsx-bestand. Open het resulterende spreadsheet. De regelitems moeten in rijen verschijnen, waarbij elke kolom van de originele factuur in een aparte Excel-kolom staat. De kolomkoppen van de factuur moeten als de eerste rij verschijnen.
Als de factuur een gescande afbeelding is, voert u er eerst OCR op uit met behulp van de OCR-tool. Het OCR-proces voegt een tekstlaag toe aan de gescande pagina's. Voer vervolgens de PDF-naar-Excel-conversie uit op het OCR-verwerkte bestand. Deze tweestapsworkflow behandelt het meest voorkomende scenario in de praktijk: een pdf-factuur die is afgedrukt, ondertekend en opnieuw naar een computer is gescand. De OCR-stap herkent de tekst. De Excel-conversiestap extraheert het in een spreadsheet.
De geëxtraheerde gegevens opruimen
Na de extractie kunt u wat opruimen verwachten. De meest voorkomende problemen zijn numerieke waarden die als tekst worden herkend, valutasymbolen samengevoegd met getallen in één tekstveld, datums die inconsistent zijn opgemaakt en negatieve waarden die worden weergegeven met haakjes of een minteken dat Excel niet als getal herkent.
Voor valutawaarden die als tekst zijn opgeslagen, zoals "$1.234,56" in een cel die Excel als een tekenreeks behandelt, gebruikt u de Excel-functie VALUE met SUBSTITUTE om het dollarteken en de komma te verwijderen: =VALUE(SUBSTITUTE(SUBSTITUTE(A1,"$",""),",","")). Hierdoor wordt de tekst omgezet in een getal dat kan worden opgeteld en berekend. Voor een hele kolom past u de formule toe op de eerste rij en sleept u deze naar beneden. Voor datums gebruikt u de functie DATUMWAARDE of de wizard Tekst naar kolommen van Excel met de opgegeven datumnotatie. Deze opruimstappen duren een paar minuten per spreadsheet en produceren een volledig functioneel Excel-bestand van wat begon als een statische PDF.
De geëxtraheerde totalen verifiëren aan de hand van de originele factuur
Controleer na het opschonen de geëxtraheerde gegevens aan de hand van de originele factuur. Tel de totalen van de regelitems op in Excel en vergelijk de som met het factuurtotaal. Als de cijfers overeenkomen, was de extractie accuraat, tenminste voor de dollarbedragen. Controleer enkele afzonderlijke regelitems door de originele factuur te vergelijken met de overeenkomstige rij in de spreadsheet. Controleer het eerste item, een middelste item en het laatste item. Als deze overeenkomen, is de extractie betrouwbaar.
Als de totalen niet overeenkomen, scant u het spreadsheet op rijen waarin de extractie gegevens in de verkeerde kolommen heeft geplaatst. Een veel voorkomende fout is een beschrijving van een regelitem die een getal bevat, zoals 'Widgetmodel 3, pakket van 5'. waar de extractiemotor "3" als hoeveelheid en "5" als eenheidsprijs, waardoor fantoomregelitems ontstaan. Deze extractieartefacten zijn gemakkelijk te herkennen omdat ze onzinnige gegevensrijen opleveren. Verwijder de artefactrijen en hervat de som. De totalen moeten convergeren naar de juiste waarden.
Facturen van meerdere pagina's en batches facturen verwerken
Voor één factuur die meerdere pagina's beslaat, converteert u alle pagina's in één handeling. WukongPDF verwerkt elke pagina en exporteert de gecombineerde gegevens naar één spreadsheet. Als elke pagina een eigen tabel heeft, worden de tabellen verticaal in het werkblad gestapeld met een lege rij of koprij ertussen. Consolideer de tabellen door de dubbele kopteksten te verwijderen en de gegevensrijen samen te voegen.
Voor een batch van meerdere facturen, bijvoorbeeld een maand aan leveranciersrekeningen, verwerkt u elke factuur afzonderlijk en consolideert u de resultaten in een hoofdspreadsheet. Maak een sjabloon met kolommen voor Leverancier, Factuurnummer, Datum, Regelitembeschrijving, Aantal, Eenheidsprijs en Totaal. Kopieer de geëxtraheerde gegevens van elke factuur naar de sjabloon. Deze gestructureerde aanpak levert een doorzoekbaar, sorteerbaar en op formules gebaseerd overzicht van alle facturen op. De tool PDF-gegevens uitpakken ondersteunt PDF Converter batchverwerking van meerdere facturen in één sessie, waarbij voor elke factuur afzonderlijke spreadsheets worden gegenereerd die snel kunnen worden geconsolideerd in de hoofdsjabloon. De tijdsbesparing ten opzichte van handmatige gegevensinvoer schaalt lineair met het aantal facturen. Eén factuur bespaart 10 minuten. Honderd facturen scheelt een hele werkdag.
Een praktisch detail voor de verwerking van terugkerende facturen: als u elke maand facturen van dezelfde leverancier ontvangt, maakt u een Excel-sjabloon dat vooraf is geconfigureerd met de formules en kolomtoewijzingen voor de factuurindeling van die leverancier. De eerste keer dat u een factuur van die leverancier ophaalt, noteert u welke Excel-kolommen overeenkomen met welke factuurvelden. Stel SOM-formules in voor regelitemtotalen, een validatieformule die de som vergelijkt met het factuurtotaal, en voorwaardelijke opmaak om verschillen te markeren. Sla dit op als uw leverancierspecifieke sjabloon. Wanneer u volgende maand de nieuwe factuur uitpakt, plakt u de gegevens in de sjabloon en zijn de formules en opmaak al aanwezig. Gedurende een jaar aan maandelijkse facturen bespaart deze templatebenadering uren aan repetitief instelwerk en elimineert vrijwel het risico op formulefouten als gevolg van handmatige herinvoer. Voor organisaties die facturen van tientallen terugkerende leveranciers verwerken, verandert een map met leverancierspecifieke sjablonen de extractie van factuurgegevens van een wekelijks karwei in een plak-en-verifieer-operatie.