Wydobywanie danych z tabeli PDF wydaje się proste, dopóki tego nie wypróbujesz. Kopiuj i wklej powoduje bałagan niewyrównanego tekstu. Zrzuty ekranu dają obraz, a nie liczby, z którymi możesz pracować. Ręczne przepisywanie tabeli zawierającej 200 wierszy nie jest dobrym pomysłem dla nikogo. Istnieją mądrzejsze podejścia — oto cztery wskazówki, dzięki którym wyodrębnianie danych z tabeli PDF do programu Excel będzie znacznie mniej bolesne.
1. Dowiedz się, czy Twoja tabela PDF zawiera prawdziwe dane czy obraz
Zanim cokolwiek innego, zastanów się, z czym masz do czynienia. Kliknij komórkę w tabeli. Jeśli możesz wyróżnić poszczególne fragmenty tekstu, tabela składa się z prawdziwego, wybieralnego tekstu, a wyodrębnienie go będzie proste. Jeśli kliknięcie powoduje zaznaczenie całej tabeli jako bloku lub w ogóle nic się nie dzieje, patrzysz na obraz tabeli.
Tabele tekstowe można konwertować bezpośrednio do formatu Excel za pomocą konwertera PDF do Excel. Tabele oparte na obrazach wymagają najpierw OCR, aby przekształcić dane wizualne w rzeczywisty tekst, zanim będzie możliwe jakiekolwiek wyodrębnienie. Wiedząc, który z nich posiadasz, unikniesz wypróbowania niewłaściwego podejścia i zastanawiania się, dlaczego to nie działa.
Zeskanowane dokumenty, zdjęcia arkuszy kalkulacyjnych i pliki PDF wyeksportowane z niektórych starszych programów są częstymi winowajcami tabel opartych na obrazach. Wszystko, co jest eksportowane bezpośrednio z Excela, Worda lub nowoczesnego narzędzia do raportowania, prawie zawsze będzie zawierało prawdziwy tekst.
Wypróbuj plik PDF do programu Excel
Nie wymaga instalacji. Działa bezpośrednio w Twojej przeglądarce.
2. Użyj konwertera plików PDF na Excel zamiast kopiuj-wklej
Kopiowanie i wklejanie tabeli z pliku PDF do programu Excel prawie nigdy nie działa czysto. Kolumny zwijają się, wiersze łączą, liczby oddzielają się od jednostek, a Ty spędzasz więcej czasu na czyszczeniu, niż oryginalne dane wymagałyby ponownego wpisywania. To niezawodny sposób na wprowadzenie błędów do zbioru danych, nie zdając sobie z tego sprawy.
Dedykowany konwerter PDF do Excel odczytuje strukturę tabeli — wiersze, kolumny, połączone komórki — i mapuje ją na odpowiedni arkusz kalkulacyjny. Wynik nie zawsze jest doskonały, szczególnie w przypadku złożonych, wielopoziomowych nagłówków, ale jest znacznie czystszy niż wklejanie ze schowka. Narzędzie PDF do Excela firmy WukongPDF pod adresem www.wukongpdf.com radzi sobie z tym bez konieczności instalacji oprogramowania — prześlij plik PDF, pobierz arkusz kalkulacyjny.
3. Wyodrębnij tylko te strony, których potrzebujesz
Jeśli plik PDF jest 50-stronicowym raportem, a potrzebna tabela znajduje się na stronach od 12 do 14, nie ma powodu przeprowadzać całego dokumentu przez konwerter. Najpierw wyodrębnij te trzy strony jako osobny plik PDF, a następnie przekonwertuj ten mniejszy plik do formatu Excel.
Takie podejście ma dwie zalety: konwerter skupia się na odpowiednich stronach, zamiast analizować nieistotną treść, a dane wyjściowe są czystsze, ponieważ jest mniej szumów z otaczającego tekstu, nagłówków, stopek i innych elementów strony, które mogą zakłócać wykrywanie tabeli.
Najpierw użyj narzędzia do rozdzielania plików PDF, aby wyodrębnić strony, a następnie uruchom wyodrębnianie. Dodaje jeden krok, ale zwykle daje lepsze wyniki.
4. Spodziewaj się trochę sprzątania — i wiedz, gdzie szukać
Nawet w przypadku dobrego konwertera prawie zawsze konieczne jest ręczne czyszczenie. Pytanie polega na tym, aby wiedzieć, gdzie to sprawdzić, aby wychwycić problemy, zanim spowodują problemy w dalszej części procesu.
Najczęstsze problemy po konwersji tabeli PDF do Excela:
- Liczby przechowywane jako tekst: komórki, które wyglądają jak liczby, ale Excel traktuje je jako tekst i nie sumuje. Sprawdź, szukając w kolumnie liczb wyrównanych do lewej — powinny być wyrównane do prawej, jeśli Excel rozpoznaje je jako numeryczne.
- Połączone komórki, które nie zostały przeniesione: nagłówek obejmujący trzy kolumny w pliku PDF może wylądować tylko w jednej komórce w programie Excel, pozostawiając pozostałe puste.
- Podział linii w komórkach: zawartość wielowierszowa w komórce PDF czasami jest dzielona na wiele wierszy w programie Excel.
- Symbole waluty i procentów: czasami są usuwane lub trafiają do sąsiednich komórek, zamiast być dołączone do liczby.
Szybkie skanowanie kilku pierwszych wierszy i wyrywkowe sprawdzenie sum w stosunku do oryginalnego pliku PDF zwykle wychwytuje wszystko, co jest krytyczne. W przypadku dużych zbiorów danych uruchomienie SUM w kolumnie i porównanie jej z sumą podaną w pliku PDF pozwala szybko sprawdzić, czy liczby zostały przesłane prawidłowo.
Właściwe narzędzie ułatwia zarządzanie
Tabele PDF istnieją w każdej branży — raporty finansowe, dane badawcze, dokumenty rządowe, eksport zapasów. Przeniesienie tych danych do użytecznego arkusza kalkulacyjnego nie musi oznaczać godziny pracy ręcznej. Solidny konwerter PDF na Excel, taki jak WukongPDF w www.wukongpdf.com, poradzi sobie z ciężkimi zadaniami, a wiedza, co sprawdzić później, gwarantuje wiarygodne wyniki.
Wypróbuj plik PDF do programu Excel
Nie wymaga instalacji. Działa bezpośrednio w Twojej przeglądarce.