您將格式清晰的 PDF 表格轉換為 Excel，開啟輸出，發現 PDF 中兩列獨立的數字已變成一列，其中包含「1,2503,780」等值。在每個單元格中。相鄰列中的兩個數值已連接成一個文字字串，並且該資料現在無法用於計算。這是有關PDF 到 Excel 轉換的最常見投訴，發生這種情況是因為轉換器錯誤判斷了一列結束位置和下一列開始位置。
PDF 表中的列邊界檢測是一個根本性的難題，因為 PDF 不包含表格結構。 PDF 表格只是位於特定座標處的文本，並在文本附近繪製了水平線和垂直線。轉換器必須根據文字區塊之間的間距、行間文字的對齊方式或繪製線條的位置來推斷列邊界。當數字列很窄且相鄰列中的數字靠得很近時，轉換器可能會將它們合併為一個更寬的列，將兩個數字作為一個文字字串讀取。轉換器看到連續的水平運行的數字，但無法判斷原始佈局中分欄符號的位置。
為何相鄰的數字列特別容易合併
PDF 表格中的數字欄位往往很窄，因為數字很短。貨幣值列可能包含諸如「1,250.00」之類的條目。或“42.50”，很少超過 12 個字元。並排的兩個窄數字列，例如“單價”和“擴展價格”，它們之間通常只有幾個空白點。如果轉換器的列分割演算法使用大於列之間實際間隙的最小間隙閾值，則它將兩列視為一列並連接它們的值。
右對齊數字使問題變得更加複雜。在格式良好的 PDF 表格中，數字列會右對齊，因此每行中的數字在相同的水平位置處結束。 A 列中右對齊數字的末端與 B 列中左對齊數字的開頭之間的間距可以小至幾個點。 PDF 的目視檢查顯示出明顯的間隙，但轉換器的演算法可能需要更大的間隙才能自信地識別列邊界，將狹窄的空間視為正常的字間距而不是列分隔符號。
負數和括號表示法會出現相關問題。顯示為「(1,250.00)」的值可以顯示為「(1,250.00)」。包括括號和逗號，轉換器可以將其解釋為多個單獨的標記。左括號與前一列關聯，數字部分放置在目前列中，右括號被刪除或附加到下一列。結果是一個包含部分資料的儲存格，需要大量的手動清理。使用歐洲數字格式的表格（其中逗號是小數分隔符，句點是千位分隔符）進一步混淆了採用美國數字格式的轉換器。
如何在轉換前辨識問題表
轉換之前，打開 PDF 並放大表格區域。尋找一列最右邊的字元與下一列最左邊的字元之間的間距在視覺上很小（大約小於一個字元寬度）的列。這些是在轉換過程中最有可能合併的欄位。如果您看到列間距如此緊密的表格，請計劃在轉換後進行手動更正或考慮替代提取方法。
也要檢查使用前導點的表格，即連接左對齊項目名稱和右對齊價格的句點行。引導點位於列之間的空間中，經常被誤讀為資料而不是視覺格式。將前導點視為內容的轉換器將產生只包含句點的列，或會錯誤地分割表，因為它無法區分前導點和資料。具有跨越多列的合併標題單元格的表格是另一個麻煩點。轉換器在標題行中看到較寬的文字區塊，可能無法將其正確地對應到下面較窄的資料列。
對於準確性至關重要的關鍵數據，使用專用表格識別軟體提取 PDF 數據提取比通用 PDF 到 Excel 轉換更可靠。專為表格設計的資料擷取軟體使用多個訊號、文字位置、字體規格、行位置和行間對齊一致性，來建立更準確的列模型。當替代方案是對每個轉換後的表進行數小時的手動 Excel 清理時，專用提取軟體的額外成本是合理的。
合併列的手動更正策略
當合併列不可避免時，Excel 的文字到列功能是最快的修正工具。選擇合併的列，開啟“資料”、“文字到列”，然後選擇“分隔”。如果合併的值始終由空格分隔，請選擇空格作為分隔符號。如果它們由可變數量的空格分隔，請選擇“固定寬度”並手動將分欄線放置在兩個值之間。 Excel 在套用分割之前會對其進行預覽，因此您可以調整分隔位置，直到所有行的分割都正確。
對於沒有任何分隔符號的合併值，例如“12503780”其中分割應在“1250”和“1250”之間。和“3780”，文本到列無濟於事，因為沒有分隔符號可以分割。您需要知道每列的預期寬度。如果第一列始終包含四位數字，第二列始終包含四位數字，請使用 Excel 的 LEFT 和 RIGHT 函數以及已知的字元計數將值提取到單獨的列中。此方法僅在列寬固定且一致時才有效，這在從具有固定欄位寬度的資料庫系統匯出的表中很常見。
WukongPDF 透過列檢測將 PDF 表格轉換為 Excel，分析文字對齊方式、間距和行位置，以識別列邊界，即使在間距緊密的數字表格中也是如此。轉換保留數字格式，以便提取的值可立即用於計算，無需手動清理。對於無法自動列偵測的複雜表，請考慮使用基於 OCR 的方法作為替代路徑。擷取 PDF 表格的螢幕截圖，透過具有表格識別功能的 OCR 工具運行它，並將識別的表格匯出到 Excel。包含表格結構檢測的現代 OCR 引擎在列分離方面通常比傳統的 PDF 到 Excel 轉換器更可靠，因為它們直接分析視覺佈局。