Je verzamelt 200 ingevulde PDF-sollicitaties. Elk formulier heeft dezelfde velden: naam, e-mailadres, telefoon, functie, startdatum, salarisverwachting. U hebt alle 200 antwoorden nodig in één Excel-spreadsheet, waarbij elke sollicitant een rij en elk veld een kolom is. Het handmatig openen van elke pdf, het lezen van de veldwaarden en het typen ervan in Excel zou een hele werkdag duren. Eén typefout in een e-mailadres of telefoonnummer kan betekenen dat u het contact met een sollicitant verliest.
Het automatisch ophalen van gegevens uit invulbare PDF Forms naar Excel is een workflow voor gegevensextractie die de formulierveldwaarden leest en naar een spreadsheet schrijft. Het proces is snel, nauwkeurig en elimineert transcriptiefouten. Bij de extractie worden de gegevens rechtstreeks uit de formuliervelden van de PDF gelezen.
Hoe gegevensextractie van PDF-formulieren werkt
Invulbare PDF-formulieren slaan gegevens op in benoemde velden. Elk veld heeft een naam, zoals Voornaam of E-mailadres, en een waarde die de gebruiker heeft ingevoerd. Gegevensextractie leest de veldnamen en waarden en exporteert deze naar een gestructureerd formaat. De veldnamen worden kolomkoppen in het werkblad. Elke PDF wordt één rij met gegevens. De waarden vullen de cellen onder de overeenkomstige kolommen.
De gegevensextractie van PDF naar Excel van WukongPDF verwerkt meerdere PDF's in een batch. Upload alle 200 ingevulde formulieren. De tool leest de veldnamen en waarden van elk formulier. Het genereert een spreadsheet met één rij per formulier. Elk veld wordt een kolom. Bij de extractie blijven de gegevens precies behouden zoals ze zijn ingevoerd. Er is geen sprake van OCR en geen karakterherkenningsfouten, omdat de gegevens in digitale formuliervelden zijn getypt.
Vereisten voor schone gegevensextractie
De formulieren moeten invulbare PDF's zijn met echte formuliervelden. Gescande formulieren die met de hand zijn ingevuld en vervolgens zijn gescand, bevatten geen formulierveldgegevens. Ze vereisen OCR, wat minder nauwkeurig is en herkenningsfouten introduceert. Voordat u een extractieworkflow instelt, opent u een van de ingevulde formulieren en controleert u of u op de ingevulde tekst kunt klikken en deze kunt bewerken. Als je kunt, bevat het formulier live formuliervelden. Als de tekst deel uitmaakt van de paginaafbeelding, wordt het formulier gescand en is er OCR nodig.
De veldnamen in het PDF-formulier bepalen de kolomkoppen in het spreadsheet. Als verschillende versies van het formulier verschillende veldnamen gebruiken, bevat het geëxtraheerde spreadsheet meerdere kolommen voor dezelfde gegevens. Standaardiseer de formuliersjabloon voordat u deze distribueert. Gebruik consistente veldnamen in alle kopieën. Deze standaardisatie vooraf betaalt zich tijdens de extractie uit met een schone, uniforme spreadsheet.
De geëxtraheerde gegevens verwerken
Open het uitgepakte spreadsheet en bekijk de gegevens. Controleer op ontbrekende waarden wanneer een formulierveld leeg is gelaten. Controleer op inconsistente opmaak, zoals telefoonnummers die in sommige formulieren zijn ingevoerd als 555-123-4567 en in andere als 5551234567. Schoon de gegevens op met behulp van Excel-functies. Splits volledige namen op in kolommen met voor- en achternaam als het formulier deze als één veld verzamelt. Valideer e-mailadressen door te controleren op de aanwezigheid van een @-teken.
Voeg een rijnummer of een unieke ID-kolom toe als het formulier er geen bevatte. Met deze ID kunt u een specifieke rij in de spreadsheet terugvoeren naar het originele PDF-formulier. Als een gegevensinvoer er verdacht uitziet, kunt u de originele pdf van de aanvrager openen, de veldwaarde verifiëren en indien nodig de spreadsheet corrigeren.
De workflow schalen voor terugkerend gebruik
Als u regelmatig PDF-formulierreacties verzamelt, bouw dan een Excel-sjabloon waarin de geëxtraheerde gegevens worden ingevoerd. Stel formules, draaitabellen, grafieken en opmaak in de sjabloon in. Extraheer elke periode de nieuwe formuliergegevens en plak deze in het gegevensblad van de sjabloon. De formules en grafieken worden automatisch bijgewerkt. De sjabloon elimineert het repetitieve werk van het opnieuw maken van de analyse voor elke batch reacties. De workflow PDF-gegevens uitpakken die de eerste keer uren in beslag nam, duurt elke volgende keer minuten.
Na extractie archiveert u de originele PDF-formulieren. Het spreadsheet is handig voor analyse. De PDF's zijn de originele records. Als er vragen rijzen over de gegevens, biedt het originele formulier het gezaghebbende antwoord. Voor organisaties die PDF-formulierreacties van externe gebruikers verzamelen, vangt een gegevensvalidatieworkflow na extractie de meest voorkomende gebruikersfouten op voordat de gegevens downstream-systemen binnenkomen. Controleer op e-mailadressen zonder een @-teken, wat aangeeft dat de gebruiker een ongeldig adres heeft getypt. Controleer of telefoonnummers te kort of te lang zijn. Controleer of er verplichte velden zijn die leeg zijn gelaten. Markeer deze records voor follow-up in plaats van slechte gegevens stilletjes te importeren. Een paar minuten validatie na extractie voorkomt urenlang opruimen later wanneer slechte gegevens zich hebben verspreid in rapporten, databases en communicatie. Wanneer u een pijplijn met terugkerende formuliergegevens bouwt, documenteert u de veldtoewijzing: welke PDF-veldnamen corresponderen met welke kolommen in uw database of spreadsheet. Formulierveldnamen zoals FName of Q1_Answer komen mogelijk niet overeen met de kolomnamen van uw systeem, zoals FirstName of SatisfactionRating. Maak een toewijzingstabel die PDF-veldnamen vertaalt naar systeemkolomnamen. Pas deze toewijzing toe elke keer dat u gegevens extraheert. De mappingtabel dient ook als documentatie voor toekomstige teamleden die moeten begrijpen hoe de formuliergegevens naar de systemen van de organisatie stromen. Voor formulieren die optionele velden bevatten, levert de extractie lege cellen op voor velden die de gebruiker leeg heeft gelaten. Maak onderscheid tussen opzettelijk lege velden en ontbrekende gegevens door een validatiekolom toe te voegen die controleert of verplichte velden zijn ingevuld. Een ontbrekend e-mailadres in een verplicht e-mailveld moet worden opgevolgd. Een ontbrekende middelste naam in een optioneel veld is prima. De validatievlaggen begeleiden uw vervolginspanningen naar de records die aandacht behoeven. De mappingtabel dient ook als documentatie voor toekomstige teamleden die moeten begrijpen hoe de formuliergegevens naar de systemen van de organisatie stromen.