Клиент отправляет вам по электронной почте счет в формате PDF с 47 позициями. Вам нужны итоговые данные в электронной таблице Excel для вашей бухгалтерской программы. Счет представляет собой отсканированное изображение, поэтому просто выделить и скопировать цифры нельзя. Вы можете перепечатать каждую строку вручную, что займет 15 минут и приведет как минимум к одной опечатке. Или вы можете извлечь данные автоматически и получить чистую электронную таблицу менее чем за две минуты.
Преобразование счетов-фактур и финансовых документов из PDF-файла в Excel является одним из наиболее эффективных вариантов использования PDF в Excel, поскольку оно заменяет подверженный ошибкам ручной ввод данных автоматическим извлечением. Технология достигла такого уровня, что хорошо структурированные счета-фактуры с четким расположением таблиц надежно преобразуются, включая отдельные позиции, количества, цены за единицу и итоговые суммы.
Проверка готовности вашего счета к извлечению данных
Прежде чем пытаться извлечь, определите, какой у вас PDF-файл. Попробуйте выбрать цифры в счете-фактуре, щелкнув и перетащив их. Если вы можете выбрать отдельные числа и скопировать их, PDF-файл будет содержать настоящие текстовые данные. Извлечение будет простым. Если при нажатии выделяется вся страница как единый блок или вообще ничего не выделяется, счет представляет собой отсканированное изображение. Для извлечения на первом этапе требуется распознавание текста, что менее точно, но все же намного быстрее, чем ввод вручную.
Проверьте структуру счета-фактуры. Простая таблица с четкими заголовками столбцов «Описание», «Количество», «Цена за единицу», «Итого» и одной строкой на каждую позицию преобразуется с почти идеальной точностью. Счет-фактура с объединенными ячейками, многострочными описаниями, промежуточными итогами, перемежающимися отдельными позициями, или строками скидок, охватывающими несколько столбцов, будет конвертироваться менее четко, поскольку алгоритм обнаружения таблицы сталкивается с нерегулярными шаблонами строк и столбцов. Чем регулярнее структура таблицы, тем лучше результаты извлечения.
Шаг за шагом: извлечение данных счета в Excel
Если счет представляет собой текстовый PDF-файл, инструмент PDF-to-Excel выполнит извлечение напрямую. Загрузите PDF-файл. Выберите Excel в качестве выходного формата. Инструмент анализирует макет страницы, определяет структуру таблицы и экспортирует данные в файл .xlsx. Откройте полученную таблицу. Позиции должны отображаться в строках, причем каждый столбец исходного счета-фактуры находится в отдельном столбце Excel. Заголовки столбцов из счета-фактуры должны появиться в первой строке.
Если счет представляет собой отсканированное изображение, сначала запустите для него распознавание текста с помощью инструмента OCR. Процесс OCR добавляет к отсканированным страницам текстовый слой. Затем запустите преобразование PDF в Excel файла, обработанного с помощью OCR. Этот двухэтапный рабочий процесс обрабатывает наиболее распространенный реальный сценарий: счет в формате PDF, который был распечатан, подписан и отсканирован обратно на компьютер. Шаг OCR распознает текст. Шаг преобразования Excel извлекает его в электронную таблицу.
Очистка извлеченных данных
После извлечения ожидайте некоторой очистки. Наиболее распространенными проблемами являются числовые значения, которые были распознаны как текст, символы валюты, объединенные с числами в одно текстовое поле, даты, отформатированные непоследовательно, а также отрицательные значения, представленные круглыми скобками или конечным знаком минус, которые Excel не распознает как число.
Для значений валюты, хранящихся в виде текста, например «1234,56 доллара США»; в ячейке, которую Excel обрабатывает как строку, используйте функцию Excel ЗНАЧЕНИЕ с ПОДСТАВКОЙ, чтобы удалить знак доллара и запятую: =ЗНАЧЕНИЕ(ПОДСТАВИТЬ(ПОДСТАВИТЬ(A1,"$",""),",","")). Это преобразует текст в число, которое можно суммировать и вычислять. Для всего столбца примените формулу к первой строке и перетащите ее вниз. Для дат используйте функцию ДАТАЗНАЧ или мастер Excel по преобразованию текста в столбцы с указанным форматом даты. Эти шаги очистки занимают несколько минут на каждую таблицу и создают полнофункциональный файл Excel из статического PDF-файла.
Сверка извлеченных итогов с исходным счетом-фактурой
После очистки сверьте извлеченные данные с исходным счетом. Суммируйте итоговые суммы по позициям в Excel и сравните сумму с общей суммой счета. Если цифры совпадают, значит, извлечение было точным, по крайней мере, в отношении долларовых сумм. Выполните выборочную проверку нескольких отдельных позиций, сравнив исходный счет с соответствующей строкой в электронной таблице. Проверьте первый элемент, средний элемент и последний элемент. Если они совпадают, извлечение надежно.
Если итоговые суммы не совпадают, просканируйте таблицу на предмет строк, в которых при извлечении данные поместились не в те столбцы. Распространенной ошибкой является описание позиции, содержащее номер, например «Модель виджета 3, пакет из 5 шт.». где механизм извлечения интерпретировал "3"; как количество и «5»; в качестве цены за единицу, создавая фантомные позиции. Эти артефакты извлечения легко обнаружить, поскольку они создают бессмысленные строки данных. Удалите строки артефактов и повторите суммирование. Итоговые значения должны сходиться к правильным значениям.
Обработка многостраничных счетов и пакетов счетов
Для одного счета, охватывающего несколько страниц, преобразуйте все страницы за одну операцию. WukongPDF обрабатывает каждую страницу и экспортирует объединенные данные в одну электронную таблицу. Если на каждой странице есть собственная таблица, таблицы располагаются в электронной таблице вертикально с пустой строкой или строкой заголовка между ними. Объедините таблицы, удалив повторяющиеся заголовки и объединив строки данных.
Для пакета из нескольких счетов, например, счетов поставщиков за месяц, обрабатывайте каждый счет индивидуально и объединяйте результаты в сводную таблицу. Создайте шаблон со столбцами для поставщика, номера счета, даты, описания позиции, количества, цены за единицу и итоговой суммы. Скопируйте извлеченные данные из каждого счета в шаблон. Такой структурированный подход обеспечивает возможность поиска, сортировки и подготовки формул для всех счетов-фактур. Инструмент Extract PDF Data поддерживает PDF Converter пакетную обработку нескольких счетов за один сеанс, генерируя отдельные электронные таблицы для каждого счета, которые можно быстро объединить в главный шаблон. Экономия времени по сравнению с вводом данных вручную зависит от количества счетов-фактур. Один счет экономит 10 минут. Сотня счетов экономит целый рабочий день.
Практическая деталь для периодической обработки счетов: если вы получаете счета от одного и того же поставщика каждый месяц, создайте шаблон Excel, предварительно настроенный с формулами и сопоставлениями столбцов для макета счета этого поставщика. При первом извлечении счета от этого поставщика обратите внимание, какие столбцы Excel соответствуют каким полям счета. Настройте формулы СУММ для итоговых сумм по позициям, формулу проверки, которая сверяет сумму с итоговой суммой счета, а также условное форматирование для выделения несоответствий. Сохраните это как шаблон для конкретного поставщика. В следующем месяце, когда вы извлечете новый счет-фактуру, вставьте данные в шаблон, и формулы и форматирование уже будут на месте. Более года ежемесячных счетов такой подход к шаблонам экономит часы повторяющейся работы по настройке и практически исключает риск ошибок в формулах из-за повторного ввода вручную. Для организаций, обрабатывающих счета от десятков постоянных поставщиков, папка шаблонов для конкретных поставщиков превращает извлечение данных счетов из еженедельной работы в операцию вставки и проверки.