Um fornecedor envia a você seu catálogo de produtos mais recente em PDF. São 40 páginas de produtos com SKUs, descrições, preços e níveis de estoque dispostos em formato de tabela. Você precisa desses dados no Excel para importar para o seu sistema de gerenciamento de estoque. Redigitar manualmente 40 páginas de dados de produtos levaria um dia inteiro de trabalho e inevitavelmente introduziria erros. A conversão do catálogo de produtos em PDF diretamente em uma planilha Excel extrai os dados em minutos.
Uma conversão de PDF para Excel de um catálogo de produtos ou lista de preços preserva a estrutura da tabela e extrai os dados em colunas e linhas. A qualidade da extração depende de como o catálogo foi criado. Um catálogo exportado de um banco de dados como um PDF baseado em texto é convertido de forma limpa. Um catálogo projetado em um programa de layout de página com formatação complexa requer mais limpeza.
Como os catálogos de produtos diferem das tabelas PDF padrão
Os catálogos de produtos possuem características estruturais específicas que desafiam os motores de extração. Células mescladas para categorias de produtos que abrangem várias colunas. Descrições de produtos com várias linhas que ocupam várias linhas. Imagens incorporadas entre linhas de produtos. Cores de linha alternadas para facilitar a leitura. Cabeçalhos e rodapés de página que repetem o nome da empresa e o número da página. O mecanismo de extração deve identificar quais linhas são dados reais do produto, quais são cabeçalhos de categoria e quais são móveis de página a serem ignorados.
O mecanismo de extração do WukongPDF detecta esses elementos estruturais analisando o layout espacial da página. Os cabeçalhos das categorias são identificados pela largura e formatação em negrito. As linhas de produtos são identificadas pelo alinhamento consistente das colunas em diversas linhas. Os cabeçalhos e rodapés das páginas são identificados pela sua posição repetida em todas as páginas. O mecanismo extrai as linhas de dados do produto enquanto filtra o mobiliário da página, produzindo uma planilha mais limpa.
Experimente PDF para Excel
Nenhuma instalação necessária. Funciona diretamente no seu navegador.
Passo a passo: convertendo um catálogo de produtos para Excel
Carregue o catálogo em PDF na ferramenta PDF para Excel de WukongPDF. Selecione Excel como formato de saída. A ferramenta processa o documento e gera um arquivo .xlsx. Baixe e abra o arquivo. Os dados devem aparecer em uma planilha com colunas para SKU, Descrição, Preço e quaisquer outros campos do catálogo original. Cada produto deverá ocupar uma linha. A primeira linha pode conter cabeçalhos de coluna detectados no catálogo.
Revise os dados extraídos em busca de problemas de estrutura. As linhas do cabeçalho da categoria que foram extraídas junto com os dados do produto devem ser separadas. Essas linhas normalmente abrangem toda a largura da tabela e contêm apenas texto na primeira coluna. Mova-os para uma coluna de Categoria separada ou exclua-os se precisar apenas dos dados no nível do produto. As descrições de produtos com várias linhas divididas em várias linhas devem ser mescladas em uma única célula. Use a função Mesclar Células do Excel ou consolide-as manualmente.
Limpar preços extraídos e dados numéricos
Os preços em catálogos PDF geralmente incluem símbolos monetários, vírgulas e espaços que o Excel trata como texto em vez de números. Uma célula contendo "$ 1.234,56" não somará corretamente. Use Localizar e Substituir do Excel para remover símbolos e espaços de moeda. Em seguida, use a função VALOR ou Texto em Colunas para converter o texto em números.
Os níveis e quantidades de estoque podem incluir unidades como "pcs" ou "kg" que precisam ser separados em um valor numérico e uma coluna de unidade. Use Texto para Colunas do Excel com um delimitador de espaço ou use uma fórmula para extrair a parte numérica. O Extrair dados PDF em colunas numéricas limpas leva alguns minutos, mas produz uma planilha que seu sistema de inventário pode importar diretamente.
Tratamento de catálogos de várias páginas com diferentes layouts de tabela
Alguns catálogos alteram o layout da tabela de seção para seção. As primeiras 10 páginas podem ser uma tabela de produtos de três colunas. As próximas 10 páginas podem ser uma tabela de cinco colunas para uma categoria de produto diferente. Extraia cada seção separadamente. Carregue o PDF e especifique o intervalo de páginas da primeira seção. Extrair. Repita para cada seção subsequente. Consolide as planilhas extraídas anexando-as a cabeçalhos de colunas consistentes. Essa abordagem seção por seção produz dados mais limpos do que extrair o catálogo inteiro de uma só vez com layouts mistos.
Após a extração e limpeza, salve o arquivo Excel. Os dados do produto que estavam bloqueados em um PDF estático agora estão em uma planilha estruturada pronta para importação, análise ou integração com seus sistemas de negócios. Para atualizações recorrentes do catálogo, salve as etapas de limpeza como uma macro ou modelo do Excel. No próximo mês, quando o fornecedor enviar um catálogo atualizado, execute a mesma extração e aplique as mesmas etapas de limpeza. O fluxo de trabalho do PDF Converter que demorava uma hora na primeira vez, leva dez minutos na segunda vez e se torna uma tarefa rotineira na terceira atualização.
Uma técnica prática para catálogos com imagens de produtos: após a extração, verifique se cada linha de produto corresponde à imagem correta. O mecanismo de extração pode colocar imagens em células adjacentes ou em linhas separadas. Crie uma coluna no Excel chamada "Imagem" e verifique manualmente se a imagem ao lado de cada linha corresponde à descrição do produto. Se o objetivo é importar esses dados para uma plataforma de e-commerce, o mapeamento imagem-produto deve estar correto. Uma imagem fora do lugar significa que a foto errada do produto aparece na lista do site.
Para listas de preços que incluem descontos por volume ou preços diferenciados exibidos em um formato não padrão, como "1-99: US$ 10, 100-499: US$ 8.500+: US$ 6" tudo em uma célula, divida-os em linhas ou colunas separadas após a extração. Use Texto para Colunas do Excel com o delimitador apropriado. Cada camada de quantidade e seu preço devem ocupar sua própria célula para que os dados possam ser classificados, filtrados e importados para sistemas downstream que esperam um preço por linha.
Após a extração, adicione uma coluna de validação de dados para detectar anomalias de preços. Se o catálogo tiver uma coluna para "Preço de varejo sugerido" e uma coluna para "Seu preço" adicione uma fórmula que sinalize as linhas onde seu preço excede o preço de varejo. Essas anomalias podem indicar erros de extração, como a troca de duas colunas de preços durante a conversão ou problemas genuínos de dados que precisam ser investigados. A validação baseada em fórmula adiciona uma barreira de qualidade entre a extração e o uso de dados.
Experimente PDF para Excel
Nenhuma instalação necessária. Funciona diretamente no seu navegador.