Pobierasz wyciąg bankowy w formacie PDF, otwierasz go i widzisz schludne kolumny dat, opisów, obciążeń, uznań i sald. Konwertujesz plik PDF do formatu Excel, oczekując, że te kolumny staną się kolumnami arkusza kalkulacyjnego. Zamiast tego pojawia się bałagan: data w kolumnie A, fragment opisu w kolumnie B, więcej opisu w kolumnie C, kwoty debetu i kredytu zmieszane w kolumnie D, a saldo wepchnięte gdzieś do kolumny E. Kolumny są źle wyrównane, ponieważ plik PDF przechowuje tekst w pozycjach wizualnych, a nie w strukturach tabel.
Konwersja wyciągów bankowych z PDF do Excel jest jedną z najczęściej żądanych i najbardziej problematycznych konwersji dokumentów. Format PDF traktuje tabelę wyciągów bankowych jako zbiór znaków tekstowych umieszczonych na stronie. Konwerter musi przeprowadzić inżynierię wsteczną struktury tabeli na podstawie tych pozycji, a inżynieria wsteczna kończy się niepowodzeniem, gdy pozycje nie są idealnie wyrównane z czystą siatką.
Dlaczego tabele PDF nie są prawidłowo mapowane na kolumny arkusza kalkulacyjnego
W arkuszu kalkulacyjnym komórka ma wyraźne granice. Komórka w wierszu 3, kolumna B zawiera dokładnie jedną wartość. W pliku PDF tekst jest umieszczany na stronie pod określonymi współrzędnymi x i y. Tekst należący do czegoś, co wygląda jak kolumna B, może obejmować zakres współrzędnych x. Konwerter musi odgadnąć granice kolumn, sprawdzając, gdzie zaczyna się i kończy większość wartości w kolumnie, a przypuszczenie często jest błędne, gdy wartości różnią się długością.
Główną przyczyną nieprawidłowego wyrównania są kolumny o zmiennej szerokości w wyciągach bankowych. Kolumna Opis jest znacznie szersza niż kolumny Data czy Kwota. Długi opis może rozciągać się na przestrzeń, która wizualnie należy do następnej kolumny. Konwerter musi zdecydować, czy długi tekst należy do jednej kolumny, czy rozlał się do następnej, a różne konwertery podejmują różne decyzje.
Wpisy wielowierszowe pogłębiają problem. Transakcja bankowa z długim opisem może zostać zawinięta do drugiej linii. W pliku PDF jest to widoczne jako dwa oddzielne obiekty tekstowe z tą samą pozycją x. Konwerter musi rozpoznać, że te dwa obiekty tekstowe należą do tej samej komórki, a nie do nowego wiersza. Niepowodzenie scalania wpisów wielowierszowych powoduje utworzenie pozornych wierszy w wynikach programu Excel.
Wypróbuj PDF do Excela
Nie wymaga instalacji. Działa bezpośrednio w Twojej przeglądarce.
Jak różne konwertery radzą sobie z wykrywaniem tabeli
Podstawowe konwertery korzystają z prostego algorytmu wykrywania kolumn: znajdź najczęstsze pozycje x, w których zaczyna się tekst, i zdefiniuj je jako granice kolumn. Działa to w przypadku instrukcji ze sztywnymi, stałymi szerokościami kolumn. Nie sprawdza się w przypadku instrukcji, w których szerokość kolumn jest różna na poszczególnych stronach lub gdy tekst czasami wykracza poza kolumnę.
Zaawansowane konwertery wykorzystują modele uczenia maszynowego przeszkolone na układach wyciągów bankowych. Modele te rozpoznają typowe wzorce, krótką datę po lewej stronie, długi opis pośrodku, kwotę waluty po prawej stronie i potrafią identyfikować kolumny nawet wtedy, gdy pozycje brzegowe nie są idealnie spójne. Dokładność Wyodrębnij dane PDF tych zaawansowanych konwerterów jest znacznie wyższa, ale zazwyczaj są one dostępne tylko w narzędziach płatnych lub dla przedsiębiorstw.
WukongPDF udostępnia narzędzia PDF Converter za pośrednictwem przeglądarki umożliwiające wyodrębnianie danych tabelarycznych. Konwersja przetwarza każdą stronę, identyfikuje struktury tabeli i eksportuje dane do formatu Excel.
Ręczne czyszczenie źle wyrównanych wyników konwersji
Po konwersji dane wyjściowe programu Excel prawie zawsze wymagają ręcznego oczyszczenia. Posortuj arkusz kalkulacyjny według kolumny, która powinna zawierać spójne dane, np. kolumny Data. Wiersze z datami w niewłaściwej kolumnie są źle wyrównane. Przeciągnij te wiersze do odpowiedniego wyrównania kolumn. Sprzątanie jest żmudne, ale systematyczne.
Użyj funkcji Tekst na kolumny programu Excel, aby podzielić scalone komórki. Jeśli komórka zawiera zarówno kwotę debetową, jak i kwotę kredytową oddzielone spacjami, funkcja Tekst na kolumny może podzielić je na osobne kolumny. Zdefiniuj punkt podziału w oparciu o spójne formatowanie oryginalnego wyciągu bankowego.
Wyciągi, które regularnie pobierasz z tego samego banku, stwórz szablon w Excelu z odpowiednią strukturą kolumn i na jego podstawie zweryfikuj każdą konwersję. Porównaj przekonwertowane dane z szablonem i oznacz wiersze, które nie pasują do oczekiwanego wzorca. Podejście szablonowe konsekwentnie wyłapuje niedopasowania podczas wielu prób konwersji.
Alternatywy dla konwersji plików PDF dla danych bankowych
Większość banków oprócz wyciągów w formacie PDF oferuje pobieranie danych transakcyjnych w ustrukturyzowanych formatach. Formaty CSV, QFX i OFX są przeznaczone do importu danych i nie wymagają konwersji. Przed konwersją wyciągu w formacie PDF sprawdź, czy Twój bank oferuje opcję pobierania strukturalnego. Ustrukturyzowany format można łatwo zaimportować do programu Excel lub oprogramowania księgowego, bez problemów z przesunięciem.
W przypadku wyciągów bankowych dostępnych wyłącznie w formacie PDF należy rozważyć użycie dedykowanego procesora dokumentów finansowych zamiast uniwersalnego konwertera plików PDF. Te wyspecjalizowane narzędzia są przeszkolone w zakresie układów dokumentów finansowych i obsługują wykrywanie kolumn, łączenie wielu wierszy i formatowanie walut dokładniej niż narzędzia ogólnego przeznaczenia.
Wyciągi bankowe zawierające typy transakcji oznaczone kolorami, np. zielonym dla uznań i czerwonym dla debetów, zwiększają złożoność konwersji plików PDF. Informacje o kolorze mają charakter wizualny i nie wpływają na położenie tekstu, ale konwertery analizujące formatowanie wizualne mogą zinterpretować zmianę koloru jako granicę kolumny, tworząc w wyniku dodatkowe kolumny pozorne.
Wielowalutowe wyciągi bankowe wprowadzają dodatkową złożoność konwersji. Wyciąg zawierający transakcje zarówno w USD, jak i EUR, może mieć kolumny kwot w różnych pozycjach lub w innym formacie. Konwerter może nie rozpoznać, że dwa zestawy kolumn kwot należą do tej samej struktury logicznej, co spowoduje utworzenie bardziej fragmentarycznego wyniku w programie Excel niż w przypadku wyciągu jednowalutowego.
W przypadku powtarzających się konwersji tego samego formatu wyciągu bankowego poświęć czas na jednorazową konfigurację ustawień konwertera i zapisanie ich jako ustawień wstępnych. To ustawienie wstępne przechwytuje parametry wykrywania kolumn, zachowanie łączenia wielu wierszy i formatowanie waluty, które działają w przypadku konkretnego układu wyciągu. Każda kolejna konwersja jest dokładniejsza od pierwszej, ponieważ narzędzie zostało dostrojone do Twoich danych.
Po przekonwertowaniu i oczyszczeniu danych wyjściowych programu Excel porównaj liczbę transakcji i łączne kwoty z oryginałem w formacie PDF. Jeśli Excel zawiera 237 wierszy, ale plik PDF zawiera 240 transakcji, oznacza to, że podczas konwersji trzy transakcje zostały utracone lub połączone. Znajdź i ręcznie dodaj brakujące transakcje, aby uzupełnić zbiór danych.
Niektóre banki formatują wyciągi z naprzemiennym cieniowaniem wierszy, co drugi wiersz ma jasnoszare tło. To cieniowanie jest wizualnym elementem formatowania w pliku PDF. Po konwersji do programu Excel cieniowanie może zostać utracone lub może zostać zastosowane niekonsekwentnie. Utrata cieniowania nie wpływa na dokładność danych, ale utrudnia wizualne skanowanie wyników Excela.
Wyciągi PDF zawierające elementy graficzne, takie jak logo banku i ozdobne obramowania, nie wpływają na konwersję danych, ale mogą pojawiać się w wynikach programu Excel jako przypadkowe obrazy. Obrazy te należy usunąć z pliku Excel, aby uporządkować ich wygląd. Nie zawierają danych, które można wyodrębnić.
W przypadku wyciągów z banków międzynarodowych, które obejmują transakcje w wielu walutach, stopień złożoności przeliczenia wzrasta. Kursy wymiany, symbole walut i różne separatory dziesiętne stanowią wyzwanie podczas analizy. Szczególnie istotna jest ręczna weryfikacja przeliczeń wielowalutowych.
Wyciągi w formacie PDF generowane z portali bankowości internetowej są zazwyczaj tekstowe i konwertowane są dokładniej niż zeskanowane wyciągi papierowe. Jeśli Twój bank oferuje wyciągi w formacie PDF do pobrania za pośrednictwem swojego portalu internetowego, skorzystaj z nich, zamiast skanować wydrukowane wyciągi. Oryginały cyfrowe zawierają czystsze dane tekstowe, które konwertują bardziej niezawodnie.
Po oczyszczeniu konwersji programu Excel użyj narzędzi do sprawdzania poprawności danych programu Excel, aby sprawdzić nieprawidłowości. Filtruj według dat spoza okresu wyciągu, kwot niezgodnych z oczekiwanym formatem oraz opisów, które są wyjątkowo krótkie lub długie. Anomalie te często wskazują na błędy konwersji wymagające ręcznej korekty.
Data wygenerowania pliku PDF osadzona w metadanych wyciągu może być przydatna do sprawdzenia, czy konwertujesz właściwą wersję wyciągu. Wyciąg pobrany w styczniu i drugi w marcu za ten sam okres powinny być identyczne.
Jeśli przekonwertowane dane Excel będą importowane do oprogramowania księgowego, sformatuj kolumny Excela tak, aby odpowiadały oczekiwanemu formatowi importu oprogramowania księgowego. Większość programów księgowych wymaga określonych nazw kolumn i formatów danych.
Dokładność konwersji można poprawić, wstępnie przetwarzając plik PDF w celu ulepszenia warstwy tekstowej. Uruchomienie OCR na tekstowym pliku PDF tworzy czystszą warstwę tekstową, którą konwerter może analizować dokładniej niż oryginalne dane dotyczące położenia tekstu.
Gdy wyciąg bankowy w formacie PDF jest generowany z bankowości internetowej, data utworzenia pliku PDF w metadanych odpowiada dacie pobrania, a nie dacie wyciągu. Okres oświadczenia wskazany jest w treści oświadczenia. Zanim użyjesz przekonwertowanych danych do analizy zależnej od czasu, sprawdź, z którą datą pracujesz.
Wysiłek włożony w oczyszczenie źle wyrównanej konwersji plików PDF na Excel zwraca się, gdy dane są niezawodnie importowane do systemów księgowych, analizowane w arkuszach kalkulacyjnych lub integrowane z narzędziami do raportowania finansowego.
Zrozumienie głównych przyczyn nieprawidłowego wyrównania plików PDF do Excela pomaga użytkownikom wybrać właściwe podejście do konwersji, zastosować odpowiednie techniki czyszczenia i rozpoznać, kiedy alternatywne źródła danych przyniosłyby lepsze wyniki niż konwersja PDF.
Gdy konwersja daje niedopuszczalne wyniki, żądanie danych w ustrukturyzowanym formacie, takim jak CSV, bezpośrednio od banku, zapewnia najczystszą ścieżkę do użytecznych danych z arkusza kalkulacyjnego bez frustracji związanej z czyszczeniem konwersji PDF.
| Problem konwersji | Przyczyna | Technika czyszczenia |
|---|---|---|
| Połączone komórki | Opisy wielowierszowe obejmują wiersze | Użyj opcji Tekst na kolumny lub podziału ręcznego |
| Widmowe rzędy | Konwerter dzieli jedną transakcję na dwie | Sortuj według daty; połącz zduplikowane wiersze |
| Brakujące transakcje | OCR pominął linię lub pominął konwerter | Policz wiersze w porównaniu z oryginałem PDF; dodać ręcznie |
| Źle ustawione kolumny | Kolumna Opis o zmiennej szerokości | Przeciągnij niewyrównane komórki do odpowiednich kolumn |
Wypróbuj PDF do Excela
Nie wymaga instalacji. Działa bezpośrednio w Twojej przeglądarce.