供应商向您发送 PDF 格式的最新产品目录。它有 40 页的产品，以表格形式排列了 SKU、描述、价格和库存水平。您需要将 Excel 中的这些数据导入到您的库存管理系统中。手动重新输入 40 页的产品数据需要花费一整个工作日，并且不可避免地会出现错误。将 PDF 产品目录直接转换为 Excel 电子表格可在几分钟内提取数据。
产品目录或价目表从PDF 到Excel 的转换保留了表结构并将数据提取到列和行中。提取的质量取决于目录的创建方式。从数据库导出为基于文本的 PDF 的目录可以干净地进行转换。在具有复杂格式的页面布局程序中设计的目录需要更多的清理。
产品目录与标准 PDF 表格有何不同
产品目录具有对提取引擎提出挑战的特定结构特征。跨多列的产品类别的合并单元格。占据多行的多行产品描述。嵌入产品行之间的图像。交替行颜色以提高可读性。重复公司名称和页码的页眉和页脚。提取引擎必须识别哪些行是实际产品数据，哪些是类别标题，哪些是要忽略的页面家具。
WukongPDF的提取引擎通过分析页面的空间布局来检测这些结构元素。类别标题通过其跨度宽度和粗体格式来标识。产品行通过多行中一致的列对齐来标识。页眉和页脚通过它们在每页上的重复位置来标识。引擎提取产品数据行，同时过滤掉页面家具，生成更清晰的电子表格。
分步：将产品目录转换为 Excel
将 PDF 目录上传到 WukongPDF 的 PDF 到 Excel 工具。选择 Excel 作为输出格式。该工具处理文档并生成 .xlsx 文件。下载并打开文件。数据应显示在电子表格中，其中包含 SKU、说明、价格以及原始目录中的任何其他字段的列。每个产品应占据一排。第一行可能包含从目录中检测到的列标题。
检查提取的数据是否存在结构问题。与产品数据一起提取的类别标题行应分开。这些行通常跨越表格的整个宽度，并且仅在第一列中包含文本。将它们移动到单独的类别列，或者如果您只需要产品级数据，则将其删除。拆分为多行的多行产品描述应合并到单个单元格中。使用 Excel 的合并单元格功能或手动合并它们。
清理提取的价格和数字数据
PDF 目录中的价格通常包含货币符号、逗号和空格，Excel 将这些符号视为文本而不是数字。包含“$1,234.56”的单元格将无法正确求和。使用 Excel 的查找和替换功能去除货币符号和空格。然后使用 VALUE 函数或 Text to Columns 将文本转换为数字。
库存水平和数量可以包括诸如“pcs”之类的单位。或“kg”需要分为数值和单位列。使用带有空格分隔符的 Excel 文本分列，或使用公式提取数字部分。将将 PDF 数据提取到干净的数字列中需要几分钟，但会生成一个电子表格，您的库存系统可以直接导入该电子表格。
处理具有不同表格布局的多页目录
某些目录会根据部分更改表格布局。前 10 页可能是一个三列的产品表。接下来的 10 页可能是不同产品类别的五列表。分别提取每个部分。上传 PDF 并指定第一部分的页面范围。提炼。对每个后续部分重复此操作。通过附加一致的列标题来合并提取的电子表格。与使用混合布局一次性提取整个目录相比，这种逐节方法可以生成更清晰的数据。
提取和清理后，保存 Excel 文件。锁定在静态 PDF 中的产品数据现在位于结构化电子表格中，可供导入、分析或与您的业务系统集成。对于定期目录更新，请将清理步骤保存为 Excel 宏或模板。下个月，当供应商发送更新的目录时，运行相同的提取并应用相同的清理步骤。 PDF Converter工作流程第一次需要一个小时，第二次需要十分钟，到第三次更新时就变成了例行任务。
包含产品图像的目录的实用技术：提取后，检查每个产品行是否对应于正确的图像。提取引擎可以将图像放置在相邻的单元格中或单独的行上。在 Excel 中创建一个标记为“图像”的列并手动验证每行旁边的图像是否与产品描述匹配。如果目标是将这些数据导入电子商务平台，则图像到产品的映射必须正确。错误的图片意味着网站列表中出现了错误的产品照片。
对于包含批量折扣或以非标准格式显示的分级定价的价目表，例如“1-99：10 美元、100-499：8 美元、500+：6 美元”全部在一个单元格中，提取后将它们分成单独的行或列。使用 Excel 的文本分列功能以及适当的分隔符。每个数量层及其价格应占据自己的单元格，以便可以对数据进行排序、过滤并将其导入到每行一个价格的下游系统中。
提取后，添加数据验证列以捕获定价异常。如果目录中有“建议零售价”栏，则和“您的价格”栏添加一个公式来标记“您的价格”超过零售价的行。这些异常可能表明提取错误，例如在转换过程中交换了两个价格列，或者需要调查的真实数据问题。基于公式的验证在数据提取和数据使用之间添加了质量关卡。