Um cliente lhe envia por e-mail uma fatura em PDF com 47 itens de linha. Você precisa dos totais em uma planilha Excel para o seu software de contabilidade. A fatura é uma imagem digitalizada, portanto você não pode simplesmente selecionar e copiar os números. Você poderia redigitar cada linha manualmente, o que levaria 15 minutos e introduziria pelo menos um erro de digitação. Ou você pode extrair os dados automaticamente e ter uma planilha limpa em menos de dois minutos.
A conversão de faturas e documentos financeiros em PDF em Excel é um dos casos de uso de PDF para Excel de maior valor porque substitui a entrada manual de dados propensa a erros pela extração automatizada. A tecnologia amadureceu ao ponto em que faturas bem estruturadas com layouts de tabela claros são convertidas de forma confiável, incluindo itens de linha, quantidades, preços unitários e totais.
Verificando se sua fatura está pronta para extração de dados
Antes de tentar a extração, determine que tipo de PDF você possui. Tente selecionar os números da fatura clicando e arrastando. Se você puder selecionar números individuais e copiá-los, o PDF conterá dados de texto reais. A extração será direta. Se clicar selecionar a página inteira como um único bloco ou não selecionar nada, a fatura será uma imagem digitalizada. A extração requer OCR como primeira etapa, que é menos preciso, mas ainda assim muito mais rápido do que a entrada manual.
Verifique o layout da fatura. Uma tabela simples com cabeçalhos de coluna claros, Descrição, Quantidade, Preço Unitário, Total e uma linha por item de linha será convertida com precisão quase perfeita. Uma fatura com células mescladas, descrições de várias linhas, subtotais intercalados com itens de linha ou linhas de desconto que abrangem várias colunas terá uma conversão menos limpa porque o algoritmo de detecção de tabela luta com padrões irregulares de linhas e colunas. Quanto mais regular for a estrutura da tabela, melhores serão os resultados da extração.
Experimente PDF para Excel
Nenhuma instalação necessária. Funciona diretamente no seu navegador.
Passo a passo: Extraindo dados da fatura para Excel
Se a fatura for um PDF baseado em texto, a ferramenta PDF para Excel cuida da extração diretamente. Carregue o PDF. Selecione Excel como formato de saída. A ferramenta analisa o layout da página, detecta a estrutura da tabela e exporta os dados para um arquivo .xlsx. Abra a planilha resultante. Os itens de linha devem aparecer em linhas com cada coluna da fatura original em uma coluna separada do Excel. Os cabeçalhos das colunas da fatura devem aparecer na primeira linha.
Se a fatura for uma imagem digitalizada, execute primeiro o OCR usando a ferramenta OCR. O processo de OCR adiciona uma camada de texto às páginas digitalizadas. Em seguida, execute a conversão de PDF para Excel no arquivo processado por OCR. Este fluxo de trabalho em duas etapas lida com o cenário mais comum do mundo real: uma fatura em PDF que foi impressa, assinada e digitalizada de volta para um computador. A etapa de OCR reconhece o texto. A etapa de conversão do Excel extrai-o em uma planilha.
Limpando os dados extraídos
Após a extração, espere fazer alguma limpeza. Os problemas mais comuns são valores numéricos que foram reconhecidos como texto, símbolos de moeda mesclados com números em um único campo de texto, datas formatadas de forma inconsistente e valores negativos representados com parênteses ou um sinal de menos à direita que o Excel não reconhece como um número.
Para valores monetários armazenados como texto, como "$1.234,56" em uma célula que o Excel trata como uma string, use a função VALUE do Excel com SUBSTITUTE para retirar o cifrão e a vírgula: =VALUE(SUBSTITUTE(SUBSTITUTE(A1,"$",""),",","")). Isso converte o texto em um número que pode ser somado e calculado. Para uma coluna inteira, aplique a fórmula à primeira linha e arraste-a para baixo. Para datas, use a função DATEVALUE ou o assistente Text to Columns do Excel com o formato de data especificado. Essas etapas de limpeza levam alguns minutos por planilha e produzem um arquivo Excel totalmente funcional a partir do que começou como um PDF estático.
Verificação dos totais extraídos em relação à fatura original
Após a limpeza, verifique os dados extraídos em relação à fatura original. Some os totais dos itens de linha no Excel e compare a soma com o total da fatura. Se os números coincidirem, a extração foi precisa, pelo menos no que diz respeito aos valores em dólares. Verifique alguns itens de linha individuais comparando a fatura original com a linha correspondente na planilha. Verifique o primeiro item, um item do meio e o último item. Se estes corresponderem, a extração é confiável.
Se os totais não corresponderem, verifique a planilha em busca de linhas onde a extração colocou os dados nas colunas erradas. Um erro comum é uma descrição de item de linha que contém um número, como "Widget Model 3, Pack of 5," onde o mecanismo de extração interpretou "3" como uma quantidade e "5" como preço unitário, criando itens de linha fantasmas. Esses artefatos de extração são fáceis de detectar porque produzem linhas de dados sem sentido. Exclua as linhas do artefato e resuma. Os totais devem convergir para os valores corretos.
Tratamento de faturas de várias páginas e lotes de faturas
Para uma única fatura abrangendo várias páginas, converta todas as páginas em uma única operação. WukongPDF processa cada página e exporta os dados combinados em uma planilha. Se cada página tiver sua própria tabela, as tabelas serão empilhadas verticalmente na planilha com uma linha em branco ou uma linha de cabeçalho entre elas. Consolide as tabelas excluindo os cabeçalhos duplicados e unindo as linhas de dados.
Para um lote de diversas faturas, talvez o equivalente a um mês de contas de fornecedores, processe cada fatura individualmente e consolide os resultados em uma planilha mestre. Crie um modelo com colunas para Fornecedor, Número da fatura, Data, Descrição do item de linha, Quantidade, Preço unitário e Total. Copie os dados extraídos de cada fatura para o modelo. Essa abordagem estruturada produz um registro pesquisável, classificável e pronto para fórmulas de todas as faturas. A ferramenta Extrair dados de PDF suporta o processamento em lote do PDF Converter de várias faturas em uma sessão, gerando planilhas individuais para cada fatura que podem ser rapidamente consolidadas no modelo mestre. O tempo economizado em comparação com a entrada manual de dados aumenta linearmente com o número de faturas. Uma fatura economiza 10 minutos. Cem faturas economizam um dia de trabalho inteiro.
Um detalhe prático para o processamento de faturas recorrentes: se você recebe faturas do mesmo fornecedor todos os meses, crie um modelo Excel pré-configurado com as fórmulas e mapeamentos de colunas para o layout da fatura desse fornecedor. Na primeira vez que você extrair uma fatura desse fornecedor, observe quais colunas do Excel correspondem a quais campos da fatura. Configure fórmulas SUM para totais de itens de linha, uma fórmula de validação que compara a soma com o total da fatura e formatação condicional para destacar discrepâncias. Salve-o como modelo específico do fornecedor. No próximo mês, ao extrair a nova fatura, cole os dados no modelo e as fórmulas e formatação já estarão definidas. Ao longo de um ano de faturas mensais, essa abordagem de modelagem economiza horas de trabalho repetitivo de configuração e praticamente elimina o risco de erros de fórmula devido à reentrada manual. Para organizações que processam faturas de dezenas de fornecedores recorrentes, uma pasta de modelos específicos do fornecedor transforma a extração de dados de faturas de uma tarefa semanal em uma operação de colar e verificar.
Experimente PDF para Excel
Nenhuma instalação necessária. Funciona diretamente no seu navegador.