So bekommen Sie eine Tabelle aus einer PDF nach Excel

Sie haben ein PDF mit einer Datentabelle – einen Finanzbericht, eine Preisliste, die Ergebnisse einer Umfrage, einen Abschnitt mit Rechnungspositionen. Sie müssen mit diesen Daten in Excel arbeiten. Sie versuchen, die Zellen auszuwählen, sie zu kopieren und in eine Tabelle einzufügen. Was Sie erhalten, ist eine Spalte mit durcheinandergebrachtem Text, zusammengeführte Zellen an völlig falschen Stellen oder gar nichts. Das ist kein Fehler. So funktionieren PDFs nun einmal.

Warum sich PDF-Tabellen schwer extrahieren lassen

Ein PDF speichert Tabellen nicht als Tabellen. Es speichert Text als eine Reihe von positionierten Glyphen – Zeichen, die an bestimmten X/Y-Koordinaten auf der Seite platziert sind. Eine Tabelle in einem PDF besteht lediglich aus Textzeilen, die zufällig visuell ausgerichtet und durch gezogene Linien getrennt sind. Es gibt keine Datenstruktur, die darstellt: „Das ist eine Zelle“, „Das gehört zu Spalte 3“ oder „Diese Zeile endet hier“.

Wenn Sie aus einem PDF kopieren und einfügen, versucht der Reader, die Struktur anhand der visuellen Position zu erraten. Dabei werden oft die Spaltengrenzen falsch erkannt, Zellen zusammengeführt und Zahlen über Zeilen hinweg getrennt. Je breiter die Tabelle, desto chaotischer ist das Ergebnis.

Option 1: Direktes Kopieren und Einfügen (zuerst ausprobieren)

Bei einem nativen PDF – einem mit Software erstellten, nicht gescannten Dokument – versuchen Sie zuerst Folgendes:

1. Öffnen Sie das PDF inAdobe ReaderoderChrome.
2. Klicken und ziehen, um den Tabellenbereich auszuwählen.
3. Kopieren (Strg+C).
4. Einfügen in eine Excel-Zelle mitInhalte einfügen -> Textoder zuerst in einen Texteditor einfügen, um zu sehen, was Sie tatsächlich erhalten haben.
5. Verwenden SieText in Spalten(Registerkarte „Daten“ in Excel), um die eingefügten Inhalte nach Tabulator, Leerzeichen oder einem konsistenten Trennzeichen aufzuteilen.

Dies funktioniert bei einfachen Tabellen mit zwei oder drei Spalten und sauberer Formatierung einigermaßen gut. Bei komplexen Tabellen mit verbundenen Zellen, Fußnoten oder mehrzeiligem Zellinhalt stößt es an seine Grenzen.

Option 2: Ein spezialisierter PDF-zu-Excel-Konverter

Ein Konvertierungstool analysiert die visuelle Struktur des PDFs – Zellgrenzen, Spaltenausrichtung, Schriftarteigenschaften – und versucht, sie als Tabellendaten nachzubilden. Das Ergebnis ist eine XLSX-Datei, die Sie direkt in Excel öffnen können.

Pagivo entwickelt ein eigenesPDF zu ExcelKonverter dafür. Sobald er gestartet ist, läuft der Workflow wie folgt: PDF hochladen, XLSX herunterladen, das Ergebnis auf falsch erkannte Grenzen überprüfen. Bei einem nativen PDF mit sauberer Tabellenformatierung übernimmt der Konverter den Großteil der Arbeit.

Was zu erwarten ist: Die Konvertierung ist bei unkomplizierten Tabellen genau und bei komplexen Layouts weniger genau (verbundene Kopfzeilen, diagonaler Text, Tabellen mit Bildern in Zellen, stark formatierte Rahmen). Überprüfen Sie die numerischen Gesamtsummen in der Ausgabe immer anhand des PDF-Quelltexts – Rundungs- oder Spaltenausrichtungsfehler kommen bei komplexen Tabellen durchaus vor.

Option 3: Google Sheets-Import (schnell für kleine Tabellen)

1. Öffnen SieGoogle Sheetsund erstellen Sie eine neue Tabelle.
2. Gehen Sie zuDatei -> Importierenund laden Sie die PDF hoch.
3. Google versucht, Tabellen aus der PDF zu analysieren und als Tabellendaten zu importieren.

Die Ergebnisse variieren und ähneln dem Kopieren und Einfügen, aber der Importschritt erkennt die Tabellenstruktur manchmal besser als die manuelle Auswahl. Einen Versuch wert bei einfachen Tabellen, wenn kein dedizierter Konverter zur Verfügung steht.

Option 4: Gescannte PDFs (anderes Problem, andere Lösung)

Wenn die PDF ein Scan ist – eine Fotografie einer Seite – gibt es überhaupt keine Textdaten zum Extrahieren. Kopieren und Einfügen markiert die gesamte Seite als ein Bild. Ein standardmäßiger PDF-zu-Excel-Konverter liefert nichts Nützliches.

Für gescannte Tabellen benötigen Sie eine OCR, die die Tabellenstruktur speziell versteht. Optionen:

• Google Docs– laden Sie die PDF in Drive hoch und öffnen Sie sie mit Docs. Googles OCR extrahiert Text, wobei die Tabellenstruktur jedoch häufig nicht erhalten bleibt.
• Adobe Acrobat Pro- verfügt über integrierte OCR mit Tabellenerkennung. Höhere Qualität bei komplexen Tabellen, erfordert jedoch ein kostenpflichtiges Abonnement.
• Spezialisierte OCR-Tools- ABBYY FineReader und ähnliche Programme wurden speziell für die Erkennung von Dokumentstrukturen einschließlich Tabellen entwickelt. Für gelegentliche Nutzung überdimensioniert, aber die genaueste Option für komplexe gescannte Tabellen.

Nach der Extraktion: Bereinigung der Daten in Excel

Unabhängig von der Methode sollten Sie einige Minuten für die Bereinigung der Ausgabe einplanen:

• Entfernen leerer Zeilen und doppelter Überschriften, die auftreten, wenn mehrseitige Tabellen die Spaltenköpfe auf jeder Seite wiederholen.
• Zahlenformate korrigieren - Kommas und Punkte können vertauscht sein, wenn das PDF ein Zahlenformat aus einem anderen Gebietsschema verwendet hat.
• Prüfen Sie, ob die Summen übereinstimmen – verifizieren Sie manuell ein oder zwei berechnete Werte anhand der Quell-PDF.