Вы загружаете выписку по счету в формате PDF, открываете ее и видите аккуратные столбцы с датами, описаниями, дебетами, кредитами и балансами. Вы конвертируете PDF в Excel, ожидая, что эти столбцы станут столбцами электронной таблицы. Вместо этого вы получаете беспорядок: дата в столбце A, фрагмент описания в столбце B, дополнительное описание в столбце C, суммы дебета и кредита смешаны в столбце D, а баланс засунут куда-то в столбец E. Столбцы не выровнены, потому что PDF хранит текст в визуальных позициях, а не в структурах таблицы.
Преобразование банковской выписки из PDF в Excel — одно из наиболее востребованных и наиболее проблемных преобразований документов. Формат PDF рассматривает таблицу банковских выписок как набор текстовых символов, расположенных на странице. Преобразователь должен перепроектировать структуру таблицы на основе этих позиций, и обратный инжиниринг терпит неудачу, если позиции не совпадают идеально с чистой сеткой.
Почему таблицы PDF некорректно сопоставляются со столбцами электронных таблиц
В электронной таблице ячейка имеет четкие границы. Ячейка в строке 3 столбца B содержит ровно одно значение. В PDF-файле текст размещается в определенных координатах x и y на странице. Текст, принадлежащий столбцу B, может охватывать диапазон координат x. Преобразователь должен угадывать границы столбца, просматривая, где начинается и заканчивается большинство значений в столбце, и это предположение часто оказывается неправильным, когда значения различаются по длине.
Столбцы переменной ширины в банковских выписках являются основной причиной несовпадений. Столбец «Описание» намного шире, чем столбцы «Дата» или «Сумма». Длинное описание может распространяться на пространство, визуально принадлежащее следующему столбцу. Конвертер должен решить, принадлежит ли длинный текст одному столбцу или перешел в следующий, и разные конвертеры принимают разные решения.
Многострочные записи усугубляют проблему. Банковская транзакция с длинным описанием может переноситься на вторую строку. В PDF-файле это отображается как два отдельных текстовых объекта с одинаковой позицией x. Преобразователь должен распознавать, что эти два текстовых объекта принадлежат одной и той же ячейке, а не новой строке. Если вы не объедините многострочные записи, в выходных данных Excel появятся фантомные строки.
Как разные преобразователи обрабатывают обнаружение таблиц
Базовые преобразователи используют простой алгоритм обнаружения столбцов: находят наиболее распространенные позиции x, где начинается текст, и определяют их как границы столбцов. Это работает для операторов с жесткой, постоянной шириной столбцов. Это не работает для операторов, в которых ширина столбцов различается на разных страницах или где текст иногда выходит за пределы столбца.
Усовершенствованные преобразователи используют модели машинного обучения, обученные на макетах банковских выписок. Эти модели распознают общие шаблоны: короткую дату слева, длинное описание посередине, сумму в валюте справа и могут идентифицировать столбцы, даже если граничные позиции не являются полностью согласованными. Точность Extract PDF Data в этих продвинутых конвертерах значительно выше, но они обычно доступны только в платных или корпоративных инструментах.
WukongPDF предоставляет инструменты PDF Converter через браузер для извлечения табличных данных. Преобразование обрабатывает каждую страницу, определяет структуры таблиц и экспортирует данные в формат Excel.
Ручная очистка невыровненных выходных данных преобразования
После преобразования выходные данные Excel почти всегда требуют ручной очистки. Отсортируйте таблицу по столбцу, который должен содержать согласованные данные, например по столбцу «Дата». Строки с датами в неправильном столбце смещены. Перетащите эти строки в правильное выравнивание столбцов. Уборка утомительная, но систематическая.
Используйте функцию Excel по столбцам, чтобы разделить объединенные ячейки. Если ячейка содержит как сумму дебета, так и сумму кредита, разделенные пробелами, функция «Текст по столбцам» может разделить их на отдельные столбцы. Определите точку разделения на основе единообразного форматирования исходной банковской выписки.
Выписки, которые вы регулярно загружаете из одного и того же банка, создайте шаблон Excel с правильной структурой столбцов и используйте его для проверки каждой конверсии. Сравните преобразованные данные с шаблоном и отметьте строки, которые не соответствуют ожидаемому шаблону. Шаблонный подход последовательно выявляет несовпадения при нескольких попытках преобразования.
Альтернативы преобразованию банковских данных в PDF
Большинство банков предлагают загрузку данных о транзакциях в структурированных форматах в дополнение к выпискам в формате PDF. Форматы CSV, QFX и OFX предназначены для импорта данных и не требуют преобразования. Прежде чем конвертировать выписку в формате PDF, проверьте, предлагает ли ваш банк возможность структурированной загрузки. Структурированный формат будет легко импортироваться в Excel или бухгалтерское программное обеспечение без проблем с несовпадением.
Для банковских выписок, которые доступны только в формате PDF, рассмотрите возможность использования специального процессора финансовых документов, а не универсального конвертера PDF. Эти специализированные инструменты обучены работе с макетами финансовых документов и обрабатывают обнаружение столбцов, объединение нескольких строк и форматирование валют более точно, чем инструменты общего назначения.
Выписки из банковского счета с цветовой маркировкой типов транзакций, например зеленым для кредита и красным для дебета, усложняют преобразование PDF. Информация о цвете является визуальной и не влияет на позиционирование текста, но преобразователи, анализирующие визуальное форматирование, могут интерпретировать изменение цвета как границу столбца, создавая в выходных данных дополнительные фантомные столбцы.
Мультивалютные банковские выписки усложняют конвертацию. В отчете, включающем транзакции как в долларах США, так и в евро, столбцы сумм могут находиться в разных позициях или иметь разное форматирование. Преобразователь может не распознать, что два набора столбцов сумм принадлежат одной и той же логической структуре, в результате чего выходные данные Excel будут более фрагментированными, чем выписка для одной валюты.
Для повторяющихся преобразований одного и того же формата выписки по счету потратьте время на настройку параметров конвертера один раз и сохранение их в качестве предустановки. Эта предустановка фиксирует параметры обнаружения столбцов, поведение многострочного слияния и форматирование валюты, которые подходят для вашего конкретного макета выписки. Каждое последующее преобразование является более точным, чем первое, поскольку инструмент настроен на ваши данные.
После преобразования и очистки вывода Excel сравните количество транзакций и общие суммы с оригиналом PDF. Если в Excel 237 строк, а в PDF — 240 транзакций, три транзакции были потеряны или объединены во время преобразования. Найдите и вручную добавьте недостающие транзакции, чтобы дополнить набор данных.
Некоторые банки оформляют выписки с чередующейся штриховкой строк, каждая вторая строка имеет светло-серый фон. Эта заливка является элементом визуального форматирования в PDF-файле. При преобразовании в Excel штриховка может быть потеряна или применена непоследовательно. Потеря затенения не влияет на точность данных, но затрудняет визуальное сканирование результатов Excel.
Выписки PDF, содержащие графические элементы, такие как логотип банка и декоративные рамки, не влияют на преобразование данных, но могут отображаться в виде случайных изображений в выходных данных Excel. Эти изображения следует удалить из файла Excel, чтобы улучшить внешний вид. Они не содержат извлекаемых данных.
Для выписок международных банков, которые включают операции в нескольких валютах, сложность конвертации возрастает. Обменные курсы, символы валют и различные десятичные разделители усложняют анализ. Ручная проверка мультивалютных конвертаций особенно важна.
Выписки в формате PDF, генерируемые на порталах онлайн-банкинга, обычно содержат текст и преобразуются более точно, чем отсканированные бумажные выписки. Если ваш банк предлагает загружаемые выписки в формате PDF через свой онлайн-портал, используйте их, а не сканируйте распечатанные выписки. Цифровые оригиналы содержат более чистые текстовые данные, которые более надежно преобразуются.
После очистки преобразования Excel используйте инструменты проверки данных Excel, чтобы проверить наличие аномалий. Фильтруйте даты за пределами отчетного периода, суммы, не соответствующие ожидаемому формату, а также необычно короткие или длинные описания. Эти аномалии часто указывают на ошибки преобразования, которые требуют исправления вручную.
Дата создания PDF-файла, встроенная в метаданные выписки, может быть полезна для проверки того, что вы конвертируете правильную версию выписки. Выписка, скачанная в январе, и выписка в марте за тот же период должны быть идентичными.
Если преобразованные данные Excel будут импортированы в программное обеспечение для бухгалтерского учета, отформатируйте столбцы Excel в соответствии с ожидаемым форматом импорта программного обеспечения для бухгалтерского учета. Большинству бухгалтерских программ требуются определенные имена столбцов и форматы данных.
Точность преобразования можно повысить путем предварительной обработки PDF-файла для улучшения текстового слоя. Запуск OCR в текстовом PDF-файле создает более чистый текстовый слой, который конвертер может проанализировать более точно, чем исходные данные о положении текста.
Когда PDF-файл выписки по счету создается из онлайн-банка, дата создания PDF-файла в метаданных соответствует дате загрузки, а не дате выписки. Период выписки указывается в тексте выписки. Прежде чем использовать преобразованные данные для анализа, чувствительного ко времени, проверьте, с какой датой вы работаете.
Усилия, затраченные на исправление неправильного преобразования PDF в Excel, окупаются, когда данные надежно импортируются в системы бухгалтерского учета, анализируются в электронных таблицах или интегрируются с инструментами финансовой отчетности.
Понимание коренных причин несовпадения PDF-файлов с Excel помогает пользователям выбрать правильный подход к преобразованию, применить соответствующие методы очистки и понять, когда альтернативные источники данных дадут лучшие результаты, чем преобразование PDF-файлов.
Если преобразование дает неприемлемые результаты, запрос данных в структурированном формате, таком как CSV, непосредственно из банка обеспечивает самый чистый путь к пригодным для использования данным электронных таблиц без проблем, связанных с очисткой преобразования PDF.
| Проблема преобразования | Причина | Техника очистки |
|---|---|---|
| Объединенные ячейки | Многострочные описания занимают строки. | Используйте текст по столбцам или ручное разделение. |
| Фантомные строки | Конвертер разбивает одну транзакцию на две | Сортировать по дате; объединить повторяющиеся строки |
| Отсутствующие транзакции | OCR пропустил строку или конвертер пропущен | Подсчет строк по сравнению с оригиналом PDF; добавить вручную |
| Невыровненные столбцы | Столбец описания переменной ширины | Перетащите смещенные ячейки в правильные столбцы. |