客户通过电子邮件向您发送了包含 47 个行项目的 PDF 发票。您需要会计软件的 Excel 电子表格中的总计。发票是扫描图像，因此您不能简单地选择并复制号码。您可以手动重新输入每一行，这将需要 15 分钟，并且至少会出现一个输入错误。或者，您可以自动提取数据，并在两分钟内获得干净的电子表格。
将 PDF 发票和财务文档转换为 Excel 是最高价值的PDF 到 Excel 用例之一，因为它用自动提取取代了容易出错的手动数据输入。该技术已经成熟，可以可靠地转换具有清晰表格布局的结构良好的发票，包括行项目、数量、单价和总计。
检查您的发票是否已准备好进行数据提取
在尝试提取之前，请确定您拥有的 PDF 类型。尝试通过单击并拖动来选择发票上的号码。如果您可以选择单个数字并复制它们，则 PDF 包含真实的文本数据。提取将很简单。如果单击将整个页面选择为单个块或根本不选择任何内容，则发票是扫描图像。提取需要 OCR 作为第一步，虽然精度较低，但仍比手动输入快得多。
检查发票布局。一个简单的表格，具有清晰的列标题、描述、数量、单价、总计以及每行项目一行，将以近乎完美的准确性进行转换。包含合并单元格、多行描述、散布行项目的小计或跨多列的折扣行的发票转换效果会不太干净，因为表检测算法难以处理不规则的行和列模式。表结构越规则，提取结果越好。
分步：将发票数据提取到 Excel
如果发票是基于文本的 PDF，则 PDF 到 Excel 工具会直接处理提取。上传 PDF。选择 Excel 作为输出格式。该工具分析页面布局，检测表结构，并将数据导出到 .xlsx 文件中。打开生成的电子表格。行项目应显示在行中，原始发票中的每一列都位于单独的 Excel 列中。发票中的列标题应显示为第一行。
如果发票是扫描图像，请先使用 OCR 工具对其运行 OCR。 OCR 过程将文本层添加到扫描的页面上。然后对 OCR 处理的文件运行 PDF 到 Excel 转换。这个两步工作流程处理最常见的现实场景：打印、签名并扫描回计算机的 PDF 发票。 OCR 步骤识别文本。 Excel 转换步骤将其提取到电子表格中。
清理提取的数据
提取后，需要进行一些清理。最常见的问题是被识别为文本的数值、与数字合并到单个文本字段中的货币符号、格式不一致的日期以及用括号或尾随减号表示的负值，Excel 无法将其识别为数字。
对于存储为文本的货币值，例如“$1,234.56”在 Excel 视为字符串的单元格中，使用 Excel 的 VALUE 函数和 SUBSTITUTE 来去除美元符号和逗号： =VALUE(SUBSTITUTE(SUBSTITUTE(A1,"$",""),",",""))。这会将文本转换为可以求和和计算的数字。对于整列，将公式应用于第一行并将其向下拖动。对于日期，请使用 DATEVALUE 函数或 Excel 的文本分列向导并指定日期格式。每个电子表格的这些清理步骤需要几分钟的时间，然后从静态 PDF 生成功能齐全的 Excel 文件。
根据原始发票验证提取的总计
清理后，根据原始发票验证提取的数据。在 Excel 中对行项目总计进行求和，并将总和与发票总计进行比较。如果数字匹配，则提取是准确的，至少对于美元金额而言是准确的。通过将原始发票与电子表格中的相应行进行比较，抽查几个单独的行项目。检查第一项、中间一项和最后一项。如果这些匹配，则提取是可靠的。
如果总计不匹配，请扫描电子表格以查找提取将数据放置在错误列中的行。常见错误是行项目描述包含数字，例如“小部件型号 3，5 件装”。其中提取引擎将“3”解释为“3”。作为数量和“5”作为单价，创建虚拟订单项。这些提取伪影很容易被发现，因为它们会产生无意义的数据行。删除工件行并重新求和。总数应收敛到正确的值。
处理多页发票和批量发票
对于跨多页的一张发票，可通过一次操作转换所有页面。 WukongPDF 处理每一页并将组合数据导出到一个电子表格中。如果每个页面都有自己的表格，则表格会在电子表格中垂直堆叠，并在表格之间有空白行或标题行。通过删除重复的标题并连接数据行来合并表。
对于一批多张发票，可能是一个月的供应商账单，请单独处理每张发票并将结果合并到主电子表格中。创建一个模板，其中包含供应商、发票编号、日期、行项目描述、数量、单价和总计列。将每张发票中提取的数据复制到模板中。这种结构化方法可生成所有发票的可搜索、可排序且可公式化的记录。 提取 PDF 数据工具支持PDF转换器在一个会话中批量处理多张发票，为每张发票生成单独的电子表格，可以快速合并到主模板中。与手动数据输入相比，节省的时间与发票数量成线性比例。一张发票可节省 10 分钟。一百张发票可以节省一整个工作日。
定期发票处理的实用细节：如果您每月从同一供应商收到发票，请创建一个 Excel 模板，其中预先配置了该供应商发票布局的公式和列映射。第一次从该供应商提取发票时，请注意哪些 Excel 列对应于哪些发票字段。设置行项目总计的 SUM 公式、根据发票总计检查总和的验证公式以及突出显示差异的条件格式。将此保存为供应商特定的模板。下个月，当您提取新发票时，将数据粘贴到模板中，公式和格式已经就位。超过一年的每月发票，这种模板方法节省了数小时的重复设置工作，并且几乎消除了手动重新输入导致公式错误的风险。对于处理来自数十个经常性供应商的发票的组织来说，供应商特定模板的文件夹将发票数据提取从每周的琐事转变为粘贴和验证操作。