供應商向您發送 PDF 格式的最新產品目錄。它有 40 頁的產品，以表格形式排列了 SKU、描述、價格和庫存水準。您需要將 Excel 中的這些資料匯入到您的庫存管理系統中。手動重新輸入 40 頁的產品資料需要花費一整個工作日，並且不可避免地會出現錯誤。將 PDF 產品目錄直接轉換為 Excel 電子表格可在幾分鐘內擷取資料。
產品目錄或價目表從PDF 到Excel 的轉換保留了表格結構並將資料提取到列和行中。提取的品質取決於目錄的創建方式。從資料庫匯出為基於文字的 PDF 的目錄可以乾淨地進行轉換。在具有複雜格式的頁面佈局程式中設計的目錄需要更多的清理。
產品目錄與標準 PDF 表格有何不同
產品目錄具有對提取引擎提出挑戰的特定結構特徵。跨多列的產品類別的合併儲存格。佔據多行的多行產品描述。嵌入產品行之間的圖像。交替行顏色以提高可讀性。重複公司名稱和頁碼的頁首和頁尾。提取引擎必須識別哪些行是實際產品數據，哪些是類別標題，哪些是要忽略的頁面家具。
WukongPDF的提取引擎透過分析頁面的空間佈局來偵測這些結構元素。類別標題透過其跨度寬度和粗體格式來標識。產品行透過多行中一致的列對齊來標識。頁首和頁尾透過它們在每頁上的重複位置來標識。引擎提取產品資料行，同時過濾掉頁面家具，產生更清晰的電子表格。
分步：將產品目錄轉換為 Excel
將 PDF 目錄上傳到 WukongPDF 的 PDF 到 Excel 工具。選擇 Excel 作為輸出格式。該工具處理文件並產生 .xlsx 文件。下載並開啟檔案。資料應顯示在電子表格中，其中包含 SKU、說明、價格以及原始目錄中的任何其他欄位的欄位。每個產品應佔據一排。第一行可能包含從目錄中偵測到的列標題。
檢查擷取的資料是否有結構問題。與產品資料一起擷取的類別標題行應分開。這些行通常跨越表格的整個寬度，並且僅在第一列中包含文字。將它們移至單獨的類別列，或者如果您只需要產品級數據，則將其刪除。拆分為多行的多行產品描述應合併到單一儲存格中。使用 Excel 的合併儲存格功能或手動合併它們。
清理提取的價格和數字資料
PDF 目錄中的價格通常包含貨幣符號、逗號和空格，Excel 將這些符號視為文字而不是數字。包含「$1,234.56」的儲存格將無法正確求和。使用 Excel 的尋找和取代功能去除貨幣符號和空格。然後使用 VALUE 函數或 Text to Columns 將文字轉換為數字。
庫存水準和數量可以包括諸如“pcs”之類的單位。或“kg”需要分為數值和單位列。使用帶有空格分隔符號的 Excel 文字分列，或使用公式提取數字部分。將將 PDF 資料提取到乾淨的數字列中需要幾分鐘，但會產生一個電子表格，您的庫存系統可以直接匯入該電子表格。
處理具有不同表格佈局的多頁目錄
某些目錄會根據部分變更表格佈局。前 10 頁可能是一個三列的產品表。接下來的 10 頁可能是不同產品類別的五個清單。分別提取每個部分。上傳 PDF 並指定第一部分的頁面範圍。提煉。對每個後續部分重複此操作。透過附加一致的列標題來合併擷取的電子表格。與使用混合佈局一次提取整個目錄相比，這種逐節方法可以產生更清晰的資料。
提取和清理後，儲存 Excel 檔案。鎖定在靜態 PDF 中的產品資料現在位於結構化電子表格中，可供匯入、分析或與您的業務系統整合。對於定期目錄更新，請將清理步驟儲存為 Excel 巨集或範本。下個月，當供應商發送更新的目錄時，請執行相同的提取並應用相同的清理步驟。 PDF Converter工作流程第一次需要一個小時，第二次需要十分鐘，到第三次更新時就變成了例行任務。
包含產品影像的目錄的實用技術：擷取後，檢查每個產品行是否對應於正確的影像。提取引擎可以將影像放置在相鄰的單元格中或單獨的行上。在 Excel 中建立一個標記為「影像」的欄位並手動驗證每行旁邊的影像是否與產品描述相符。如果目標是將這些資料匯入電子商務平台，則影像到產品的對應必須正確。錯誤的圖片意味著網站清單中出現了錯誤的產品照片。
對於包含批量折扣或以非標準格式顯示的分級定價的價目表，例如「1-99：10 美元、100-499：8 美元、500+：6 美元」全部在一個單元格中，提取後將它們分成單獨的行或列。使用 Excel 的文字分列功能以及適當的分隔符號。每個數量層及其價格應佔據自己的儲存格，以便可以對資料進行排序、過濾並將其匯入到每行一個價格的下游系統中。
提取後，新增資料驗證列以擷取定價異常。如果目錄中有「建議零售價」欄，則和「您的價格」欄會新增一個公式來標記「您的價格」超過零售價的行。這些異常可能表示提取錯誤，例如在轉換過程中交換了兩個價格列，或需要調查的真實資料問題。基於公式的驗證在資料擷取和資料使用之間添加了品質關卡。