Каждая отправка PDF Forms сохраняет значения полей внутри документа. Если у вас есть одна заполненная форма, достаточно прочитать эти значения на экране. Когда у вас пятьдесят или пятьсот заполненных форм, расшифровка каждого ответа в электронной таблице вручную отнимает много времени и приводит к ошибкам. Экспорт ответов формы в структурированный файл CSV превращает отдельные отправленные PDF-файлы в единый сортируемый и фильтруемый набор данных, который можно анализировать, импортировать в базу данных или объединять в отчет.
Процесс экспорта зависит от того, заполнили ли все респонденты копии одной и той же формы, разных форм или их смеси. Идентичные формы от нескольких респондентов создают чистую таблицу, в которой каждая строка соответствует одному представлению, а каждый столбец — одному полю формы. Смешанные формы требуют дополнительной обработки, поскольку имена полей в разных документах различаются. В этом руководстве рассматриваются три наиболее распространенных рабочих процесса экспорта: Adobe Acrobat Pro для идентичных форм, онлайн-инструменты для быстрого экспорта через браузер и подходы к написанию сценариев для автоматизированных конвейеров данных.
Конвертер PDF в Excel WukongPDF извлекает табличные данные из PDF-файлов в форматы, готовые для работы с электронными таблицами. В частности, для данных форм сочетание PDF-редактора, который экспортирует FDF или XFDF с этапом преобразования в CSV, дает вам наиболее надежный конвейер извлечения, не требующий навыков программирования.
Как хранятся данные PDF-формы
Заполняемые формы PDF используют именованные поля, в которых хранятся введенные пользователем значения. Каждое поле имеет уникальное имя, например FirstName, EmailAddress или DepartmentChoice. Когда пользователь заполняет форму и сохраняет ее, эти пары «поле-значение» записываются во внутренние структуры данных PDF-файла. Значения отделены от визуального содержимого страницы, поэтому данные формы можно извлекать программно даже из форм, где текст выглядит как часть страницы.
Формат данных форм (FDF) и формат данных форм XML (XFDF) — это два стандартных формата для обмена данными форм PDF. FDF — более старый двоичный формат; XFDF основан на XML и его легче анализировать с помощью стандартных инструментов. Когда вы экспортируете данные формы из PDF-файла, инструмент считывает пары «поле-значение» и записывает их в файл FDF или XFDF или преобразует их непосредственно в текстовый формат с разделителями, например CSV, или значения, разделенные табуляцией.
Метод 1: экспорт данных ответов с помощью Adobe Acrobat Pro
Acrobat Pro предоставляет наиболее полный набор инструментов для экспорта данных форм. Откройте заполненную PDF-форму в Acrobat Pro. Перейдите на панель «Инструменты» и выберите «Подготовить форму». На правой панели щелкните раскрывающийся список «Дополнительно» и выберите «Экспорт данных». Acrobat предложит вам выбрать формат. Выберите XML-файлы (*.xml) для вывода в формате XFDF, который позже проще всего преобразовать в CSV. Выберите «Текстовые файлы» (*.txt) для вывода с разделением табуляцией, который можно импортировать непосредственно в большинство приложений для работы с электронными таблицами.
Для пакетной обработки нескольких копий одной и той же формы вместо этого используйте функцию «Объединить файлы данных». Поместите все готовые PDF-файлы в одну папку. В Acrobat Pro перейдите в «Инструменты», «Подготовить форму», нажмите «Еще» и выберите «Объединить файлы данных в электронную таблицу». Нажмите «Добавить файлы», выберите все завершенные PDF-файлы и нажмите «Экспорт». Acrobat компилирует все ответы в один файл CSV, где каждый PDF-файл становится одной строкой. Это самый быстрый встроенный метод, если у вас много отправок одинакового шаблона формы.
Качество выходного CSV-файла зависит от единообразного именования полей во всех отправленных PDF-файлах. Если один респондент заполнил PDF-файл, в котором поле электронной почты называется «Электронная почта», а другой заполнил версию с именем «Адрес электронной почты», процесс слияния создает два отдельных столбца, а не объединяет данные в один. Стандартизируйте шаблон формы перед распространением, чтобы избежать фрагментации столбцов в окончательном наборе данных.
Метод 2: использование онлайн-инструмента экспорта PDF в CSV
Некоторые онлайн-сервисы принимают загруженные PDF-формы и возвращают CSV-файл с извлеченными данными полей. Вы загружаете готовый PDF-файл, сервис определяет заполняемые поля и считывает их значения, а вы загружаете CSV-файл. Эти инструменты лучше всего работают с простыми формами, которые содержат менее 30 полей и не содержат сложных типов полей, таких как списки с множественным выбором или каскадные раскрывающиеся списки. Значения флажков обычно экспортируются как Да или отмечены в зависимости от того, как автор формы настроил значение экспорта.
Онлайн-инструменты на своем бесплатном уровне обрабатывают одну форму за раз. Для пакетного экспорта Acrobat Pro гораздо более эффективен, поскольку обрабатывает несколько файлов за одну операцию. Если у вас есть только одна или две формы для экспорта и вы не хотите устанавливать программное обеспечение, онлайн-инструмент выполнит всю работу менее чем за минуту. Прежде чем закрыть вкладку браузера, убедитесь, что экспортированный CSV-файл содержит все ожидаемые столбцы, и немедленно загрузите CSV-файл, поскольку большинство бесплатных онлайн-сервисов не хранят обработанные файлы.
Метод 3: извлечение по сценарию для автоматизированных рабочих процессов
Если вы регулярно получаете документы в формате PDF, например, еженедельные табели учета рабочего времени сотрудников или ежедневные формы приема пациентов, сценарий процесса извлечения полностью исключает ручные действия. Библиотеки Python, такие как PyPDF2, pdfrw и pikepdf, могут считывать значения полей формы из документа PDF. Базовый сценарий извлечения открывает папку PDF-файлов, считывает словарь значений полей из каждого и добавляет строку в файл CSV.
Скрипту Python, использующему библиотеку pdfrw, требуется примерно 20 строк кода для обработки папки заполненных форм в CSV. Сценарий определяет список ожидаемых имен полей, проходит по каждому PDF-файлу, ищет каждое поле и записывает значения в CSV-файл с заголовками, соответствующими именам полей. Запускайте сценарий по расписанию или запускайте его всякий раз, когда в отслеживаемую папку поступают новые PDF-файлы. Этот подход масштабируется от 10 заявок до 10 000 без какого-либо увеличения ручных усилий.
Обработка специальных типов полей в экспортированных данных
| Действие | Формат вывода | Когда использовать |
|---|---|---|
| Экспорт данных формы (Acrobat) | ФДФ, XFDF, XML, ТХТ | Индивидуальная форма, единоразовый экспорт |
| Объединение файлов данных (Acrobat) | CSV (через приложение для работы с электронными таблицами) | Несколько одинаковых форм, пакетный экспорт |
| Онлайн-инструмент PDF | Загрузка CSV | Рабочий процесс на основе браузера, без установки |
| Python-скрипт | CSV, JSON, база данных | Автоматизированный конвейер, повторяющийся экспорт |
Группы переключателей заслуживают особого внимания при экспорте. Группа переключателей с тремя вариантами выбора: PaymentMethod со значениями CreditCard, PayPal и BankTransfer, экспортируется как один столбец с именем PaymentMethod, содержащий любое выбранное значение. Если выбор не был сделан, ячейка пуста. Для раскрывающихся списков экспортируемым значением является текст выбора или значение экспорта, если оно было назначено в свойствах поля. Списки с множественным выбором экспортируют все выбранные значения в виде строки, разделенной точкой с запятой или запятой, которую может потребоваться разделить на отдельные столбцы во время постобработки.
Поля флажков экспортируются по-разному в зависимости от программы чтения PDF-файлов. Некоторые программы чтения экспортируют отмеченные флажки как «Да», а не отмеченные флажки — как «Выключено». Другие экспортируют флажки как экспортируемое значение поля, часто число или код. Прежде чем обрабатывать пакет, экспортируйте одну тестовую форму и проверьте выходные данные CSV, чтобы убедиться, как каждый тип поля соответствует экспортированным данным. Эта одноминутная проверка предотвращает необходимость очистки данных на несколько часов позже.
Экспорт ответов формы в CSV превращает PDF-файлы из визуального формата в полезные данные. Выбор способа зависит от вашего объема и технического комфорта. Для отдельных форм достаточно экспортных данных Acrobat Pro. Для еженедельной пакетной обработки настройте сценарий один раз и позвольте ему автоматически обрабатывать каждый будущий пакет.
Предотвращение распространенных ошибок экспорта
Некоторые проблемы могут привести к повреждению вывода CSV во время экспорта данных формы. Если значение поля содержит запятую, анализатор CSV может неправильно разделить это значение на несколько столбцов. Большинство инструментов экспорта заключают значения, содержащие запятую, в двойные кавычки, чтобы предотвратить это, но не все это делают. Проверьте CSV-файл в текстовом редакторе, прежде чем импортировать его в приложение для работы с электронными таблицами. Если значения разделяются неправильно, выполните повторный экспорт, используя разделитель табуляции вместо запятой, или используйте формат XML XFDF и преобразуйте его в CSV с помощью инструмента, который правильно обрабатывает специальные символы.
Пустые поля — еще один распространенный источник путаницы. Если респондент оставил поле пустым, экспортированная ячейка CSV для этого поля просто окажется пустой. При пакетном слиянии нескольких форм ожидается пустая ячейка в середине строки, которая не указывает на ошибку экспорта. Если вам нужно отличить поле, которое действительно было оставлено пустым, от поля, которое вообще не присутствовало в форме, проверьте PDF-файл напрямую, а не полагайтесь на выходные данные CSV, чтобы различить эти два случая.
Для форм с требованиями Extract PDF Data, которые выходят за рамки простых пар поле-значение, таких как извлечение галочек из отсканированных бумажных форм, необходимо извлечение на основе OCR, а не прямой экспорт данных поля. Базовая технология переходит от чтения именованных полей к анализу визуальных меток, который имеет более низкий потолок точности и требует ручной проверки.
Использование вывода CSV в последующих системах
Когда данные PDF-формы переводятся в формат CSV, возможности последующей интеграции значительно расширяются. Импортируйте CSV в Excel или Google Sheets для анализа сводной таблицы. Загрузите его в CRM, чтобы обновить записи контактов. Передайте его в скрипт Python pandas для статистического анализа. Загрузите его в базу данных SQL для выполнения запросов вместе с другими наборами данных. Формат CSV — это универсальный соединитель, который превращает статические отправленные формы PDF в живые, доступные для запроса бизнес-данные. Задокументируйте соглашения об именах полей в исходном шаблоне формы, чтобы любой, кто несколько месяцев спустя будет обрабатывать CSV, точно знал, что представляет собой каждый столбец, без необходимости открывать отдельные PDF-файлы для справки.