Поставщик отправляет вам свой последний каталог продукции в формате PDF. Это 40 страниц товаров с артикулами, описаниями, ценами и наличием в виде таблицы. Эти данные вам понадобятся в Excel для импорта в вашу систему управления запасами. Перепечатка 40 страниц данных о продуктах вручную заняла бы целый рабочий день и неизбежно привела бы к ошибкам. Преобразование каталога продукции в формате PDF непосредственно в электронную таблицу Excel позволяет извлечь данные за считанные минуты.
Преобразование каталога продукции или прайс-листа PDF в Excel сохраняет структуру таблицы и извлекает данные в столбцы и строки. Качество извлечения зависит от того, как был создан каталог. Каталог, экспортированный из базы данных в виде текстового PDF-файла, легко преобразуется. Каталог, созданный в программе верстки со сложным форматированием, требует дополнительной очистки.
Чем каталоги продукции отличаются от стандартных таблиц PDF
Каталоги продукции имеют специфические структурные особенности, которые бросают вызов экстракционным механизмам. Объединенные ячейки для категорий продуктов, охватывающих несколько столбцов. Многострочные описания товаров, занимающие несколько строк. Изображения, встроенные между строками товаров. Чередование цветов строк для удобства чтения. Верхние и нижние колонтитулы страниц повторяют название компании и номер страницы. Механизм извлечения должен определить, какие строки являются фактическими данными о продукте, какие — заголовками категорий, а какие — элементами страницы, которые следует игнорировать.
Механизм извлечения WukongPDF обнаруживает эти структурные элементы, анализируя пространственное расположение страницы. Заголовки категорий идентифицируются по ширине охвата и жирному форматированию. Строки продуктов идентифицируются по единообразному выравниванию столбцов в нескольких строках. Верхние и нижние колонтитулы страниц идентифицируются по их повторяющемуся положению на каждой странице. Механизм извлекает строки данных о продукте, одновременно фильтруя фурнитуру страницы, создавая более чистую электронную таблицу.
Шаг за шагом: преобразование каталога продукции в Excel
Загрузите каталог PDF в инструмент PDF-to-Excel WukongPDF. Выберите Excel в качестве выходного формата. Инструмент обрабатывает документ и создает файл .xlsx. Загрузите и откройте файл. Данные должны появиться в электронной таблице со столбцами «Артикул», «Описание», «Цена» и любыми другими полями в исходном каталоге. Каждый товар должен занимать одну строку. Первая строка может содержать заголовки столбцов, обнаруженные в каталоге.
Проверьте извлеченные данные на наличие проблем со структурой. Строки заголовков категорий, которые были извлечены вместе с данными о продуктах, должны быть разделены. Эти строки обычно занимают всю ширину таблицы и содержат только текст в первом столбце. Переместите их в отдельный столбец «Категория» или удалите, если вам нужны только данные на уровне продукта. Многострочные описания товаров, разбитые на несколько строк, следует объединить в одну ячейку. Используйте функцию «Объединить ячейки» Excel или объедините их вручную.
Очистка извлеченных ценовых и числовых данных
Цены в каталогах PDF часто включают символы денежных знаков, запятые и пробелы, которые Excel воспринимает как текст, а не числа. Ячейка, содержащая «1 234,56 доллара»; не будет правильно суммироваться. Используйте функцию «Найти и заменить» Excel, чтобы удалить символы валют и пробелы. Затем используйте функцию ЗНАЧЕНИЕ или «Текст в столбцы», чтобы преобразовать текст в числа.
Уровни и количества запасов могут включать такие единицы, как «шт.»; или "кг"; которые необходимо разделить на числовое значение и столбец единиц измерения. Используйте текст Excel в столбцах с разделителем пробелов или используйте формулу для извлечения числовой части. Извлечение PDF-данных в чистые числовые столбцы занимает несколько минут, но создает электронную таблицу, которую ваша система инвентаризации может импортировать напрямую.
Обработка многостраничных каталогов с различными макетами таблиц
В некоторых каталогах расположение таблиц меняется от раздела к разделу. Первые 10 страниц могут представлять собой таблицу продуктов в три столбца. Следующие 10 страниц могут представлять собой таблицу из пяти столбцов для другой категории продуктов. Извлеките каждый раздел отдельно. Загрузите PDF-файл и укажите диапазон страниц для первого раздела. Извлекать. Повторите для каждого последующего раздела. Объедините извлеченные таблицы, добавив к ним одинаковые заголовки столбцов. Этот подход по разделам дает более чистые данные, чем извлечение всего каталога за один проход со смешанными макетами.
После извлечения и очистки сохраните файл Excel. Данные о продуктах, которые были заблокированы в статическом PDF-файле, теперь находятся в структурированной электронной таблице, готовой для импорта, анализа или интеграции с вашими бизнес-системами. Для повторяющихся обновлений каталога сохраните шаги очистки в виде макроса или шаблона Excel. В следующем месяце, когда поставщик отправит обновленный каталог, запустите то же извлечение и примените те же шаги по очистке. Рабочий процесс PDF Converter, который в первый раз занял час, во второй раз занимает десять минут, а к третьему обновлению становится рутинной задачей.
Практичный прием для каталогов с изображениями товаров: после извлечения проверьте, соответствует ли каждая строка товара правильному изображению. Механизм извлечения может размещать изображения в соседних ячейках или в отдельных строках. Создайте в Excel столбец с названием «Изображение». и вручную убедитесь, что изображение рядом с каждой строкой соответствует описанию продукта. Если цель состоит в том, чтобы импортировать эти данные в платформу электронной коммерции, сопоставление изображения с продуктом должно быть правильным. Неуместное изображение означает, что в списке на веб-сайте отображается неправильная фотография продукта.
Для прайс-листов, которые включают оптовые скидки или многоуровневые цены, отображаемые в нестандартном формате, например «1-99: 10 долларов США, 100-499: 8 долларов США, 500+: 6 долларов США»; все в одной ячейке, после извлечения разделите их на отдельные строки или столбцы. Используйте текст Excel в столбцах с соответствующим разделителем. Каждый уровень количества и его цена должны занимать отдельную ячейку, чтобы данные можно было сортировать, фильтровать и импортировать в последующие системы, которые ожидают одну цену в каждой строке.
После извлечения добавьте столбец проверки данных, чтобы выявить аномалии цен. Если в каталоге есть столбец «Рекомендуемая розничная цена»; и столбец «Ваша цена»; добавьте формулу, которая отмечает строки, в которых ваша цена превышает розничную цену. Эти аномалии могут указывать на ошибки извлечения, такие как замена двух столбцов цен во время преобразования, или на подлинные проблемы с данными, которые требуют расследования. Проверка на основе формул добавляет контроль качества между извлечением и использованием данных.