您收集了 200 份填寫完整的 PDF 職位申請。每個表格都有相同的欄位：姓名、電子郵件、電話、職位、開始日期、期望薪資。您需要在一個 Excel 電子表格中提供所有 200 個回复，其中每個申請人為一行，每個欄位為一列。手動開啟每個 PDF、讀取欄位值並將其輸入 Excel 需要一整個工作天。電子郵件地址或電話號碼中的一個拼字錯誤可能意味著與申請人失去聯繫。
自動將資料從可填寫的PDF 表單 提取到 Excel 中是一種資料擷取工作流程，可讀取表單欄位值並將其寫入電子表格。過程快速、準確，並且消除了轉錄錯誤。提取直接從 PDF 的表單欄位讀取資料。
PDF 表單資料提取的工作原理
可填寫的 PDF 表單將資料儲存在命名欄位中。每個欄位都有一個名稱（例如名字或電子郵件）以及使用者輸入的值。資料提取讀取欄位名稱和值並將其匯出為結構化格式。欄位名稱成為電子表格中的列標題。每個 PDF 成為一行資料。這些值填入對應列下的儲存格。
WukongPDF的PDF到Excel表單資料提取批次處理多個PDF。上傳全部 200 張填寫的表格。該工具從每個表單中讀取欄位名稱和值。它產生一個電子表格，每個表格一行。每個字段成為一列。提取過程會準確保留輸入的資料。不涉及 OCR，也不存在字元辨識錯誤，因為資料被輸入到數字表單欄位。
乾淨資料提取的先決條件
表格必須是帶有實際表格欄位的可填寫 PDF。手動填寫然後掃描的掃描表單沒有表單欄位資料。它們需要 OCR，但準確度較低並且會引入識別錯誤。在設定提取工作流程之前，請開啟其中一份已填寫的表單，並檢查是否可以點擊已填寫的文字並對其進行編輯。如果可以的話，該表單具有即時表單欄位。如果文字是頁面圖像的一部分，則會掃描表單並需要 OCR。
PDF 表單中的欄位名稱決定電子表格中的列標題。如果表單的不同版本使用不同的欄位名稱，則提取的電子表格將具有相同資料的多個欄位。在分發表單模板之前對其進行標準化。在所有副本中使用一致的欄位名稱。這種前期標準化在提取時透過乾淨、統一的電子表格得到了回報。
處理提取的資料
打開提取的電子表格並查看數據。檢查表單欄位留空的缺失值。檢查格式是否不一致，例如在某些表單中輸入的電話號碼為 555-123-4567，而在其他表單中輸入的電話號碼為 5551234567。使用 Excel 函數清理資料。如果表單將全名收集為單一字段，則將全名拆分為名字和姓氏列。透過檢查 @ 符號是否存在來驗證電子郵件地址。
如果表單不包含行號或唯一識別碼列，請新增行號或唯一識別碼列。此識別碼可讓您將電子表格中的特定行追溯到原始 PDF 表單。如果資料條目看起來可疑，您可以開啟該申請人的原始 PDF，驗證欄位值，並在必要時修正電子表格。
擴展工作流程以供重複使用
如果您定期收集 PDF 表單回复，請建立一個 Excel 模板，將提取的資料輸入其中。在範本中設定公式、資料透視表、圖表和格式。每個週期提取新的表單資料並將其貼到範本的資料表中。公式和圖表會自動更新。此範本消除了為每批回應重新建立分析的重複工作。 擷取 PDF 資料工作流程第一次需要數小時，隨後每次都需要幾分鐘。
提取後，將原始 PDF 表單存檔。電子表格方便分析。 PDF 是原始記錄。如果對數據有任何疑問，原始表格提供權威答案。對於從外部使用者收集 PDF 表單回應的組織來說，提取後的資料驗證工作流程可以在資料進入下游系統之前捕獲最常見的使用者錯誤。檢查沒有@符號的電子郵件地址，這表示使用者輸入了無效的地址。檢查電話號碼是否太短或太長。檢查留空的必填欄位。標記這些記錄以供後續跟踪，而不是默默地導入不良數據。提取後幾分鐘的驗證可以防止隨後在不良資料傳播到報告、資料庫和通訊中時進行數小時的清理。建立循環表單資料管道時，請記錄欄位對應：哪些 PDF 欄位名稱對應於資料庫或電子表格中的哪些欄位。 FName 或 Q1_Answer 等表單欄位名稱可能與 FirstName 或 SatisfactionRating 等系統欄位名稱不符。建立將 PDF 欄位名稱轉換為系統列名稱的對應表。每次提取資料時應用此映射。映射表還可以作為未來團隊成員的文檔，幫助他們了解表單資料如何流入組織的系統。對於包含可選欄位的表單，提取將為使用者留空的欄位產生空白儲存格。透過新增用於檢查是否填入必填欄位的驗證列來區分故意留空欄位和缺失資料。必填電子郵件欄位中缺少電子郵件地址，需要跟進。可選欄位中缺少中間名是可以的。驗證標誌將指導您對需要注意的記錄進行後續工作。映射表還可以作為未來團隊成員的文檔，幫助他們了解表單資料如何流入組織的系統。