आपके पास डेटा की एक तालिका वाली PDF है - एक वित्तीय रिपोर्ट, मूल्य सूची, सर्वे का परिणाम, या इनवॉइस की लाइन-आइटम सेक्शन। आपको उस डेटा के साथ Excel में काम करना है। आप सेल्स चुनने, कॉपी करने और स्प्रेडशीट में पेस्ट करने की कोशिश करते हैं। आपको मिलता है एक कॉलम भरा उलझा हुआ टेक्स्ट, गलत जगहों पर मर्ज हुए सेल्स, या कुछ भी नहीं। यह कोई बग नहीं है। PDFs इसी तरह काम करती हैं।
PDF तालिकाओं को निकालना मुश्किल क्यों होता है
एक PDF तालिकाओं को तालिका के रूप में सहेजती नहीं है। वह टेक्स्ट को पोज़िशंड ग्लिफ़्स की श्रृंखला के रूप में सहेजती है - पेज पर विशिष्ट X/Y निर्देशांकों पर रखे गए अक्षर। PDF में एक तालिका बस टेक्स्ट की वे पंक्तियाँ होती हैं जो संयोगवश दृश्य रूप से संरेखित और खींची गई रेखाओं से अलग होती हैं। कोई डेटा संरचना नहीं होती जो यह दर्शाती हो कि "यह एक सेल है", "यह कॉलम 3 से संबंधित है", या "यह पंक्ति यहीं समाप्त होती है"।
जब आप PDF से कॉपी-पेस्ट करते हैं, तो रीडर दृश्य स्थिति से संरचना का अनुमान लगाने की कोशिश करता है। प्रायः यह कॉलम सीमाएँ गलत पकड़ता है, सेल्स मर्ज कर देता है, और संख्याओं को पंक्तियों में तोड़ देता है। तालिका जितनी चौड़ी, परिणाम उतना ही ज़्यादा उलझा हुआ।
विकल्प 1: सीधा कॉपी-पेस्ट (पहले इसे आज़माना बेहतर)
एक नेटिव PDF - जो सॉफ़्टवेयर से बनी हो, स्कैनर से नहीं - के लिए, पहले यह आज़माएँ:
- PDF को खोलें इसमेंAdobe ReaderयाChrome।
- तालिका क्षेत्र का चयन करने के लिए क्लिक करें और ड्रैग करें।
- कॉपी करें (Ctrl+C)।
- Excel सेल में पेस्ट करेंPaste Special -> Textया पहले किसी टेक्स्ट एडिटर में पेस्ट करें ताकि देख सकें कि आपको वास्तव में क्या मिला है।
- उपयोग करेंText to Columns(Excel के Data टैब) से पेस्ट की गई सामग्री को टैब, स्पेस या किसी सुसंगत डिलिमिटर द्वारा विभाजित करें।
यह सरल दो- या तीन-कॉलम तालिकाओं के लिए जिनमें साफ फॉर्मेटिंग हो, उचित रूप से काम करता है। मर्ज किए गए सेल, फुटनोट्स या मल्टी-लाइन सेल सामग्री वाली जटिल तालिकाओं पर यह विफल हो जाता है।
विकल्प 2: एक समर्पित PDF से Excel कनवर्टर
एक रूपांतरण टूल PDF की दृश्य संरचना का विश्लेषण करता है - सेल सीमाएँ, कॉलम संरेखण, फॉन्ट गुण - और इसे स्प्रेडशीट डेटा के रूप में पुनर्निर्मित करने का प्रयास करता है। परिणाम एक XLSX फ़ाइल होती है जिसे आप सीधे Excel में खोल सकते हैं।
Pagivo एक समर्पित बना रहा हैPDF से Excelकन्वर्टर इसके लिए। जब यह लॉन्च होगा, तो वर्कफ़्लो इस प्रकार होगा: PDF अपलोड करें, XLSX डाउनलोड करें, परिणाम की जाँच करें कि कहीं कोई गलत पहचानी गई सीमाएँ तो नहीं हैं। साफ़ टेबल फ़ॉर्मैटिंग वाली नेटिव PDF के लिए, कन्वर्टर अधिकांश काम खुद संभाल लेगा।
क्या अपेक्षा रखें: सीधे-सरल टेबल्स पर रूपांतरण सटीक होता है और जटिल लेआउट (मर्ज की गई हेडर पंक्तियाँ, तिरछा टेक्स्ट, सेल के अंदर चित्र वाली टेबल्स, भारी स्टाइल वाली बॉर्डर) पर कम सटीक होता है। आउटपुट में संख्यात्मक कुल योग की हमेशा स्रोत PDF से तुलना करके जाँच करें - जटिल टेबल्स में राउंडिंग या कॉलम संरेखण की त्रुटियाँ हो जाती हैं।
विकल्प 3: Google Sheets इंपोर्ट (छोटी टेबल्स के लिए तेज़)
- खोलेंGoogle Sheetsऔर एक नई स्प्रेडशीट बनाएँ।
- जाएँFile -> Importऔर PDF अपलोड करें।
- Google PDF से टेबल पार्स करने और उन्हें शीट डेटा के रूप में इंपोर्ट करने का प्रयास करेगा।
परिणाम अलग-अलग होते हैं और कॉपी-पेस्ट जैसे ही होते हैं, लेकिन इंपोर्ट स्टेप कभी-कभी मैन्युअल सिलेक्शन से बेहतर टेबल स्ट्रक्चर का पता लगाता है। जब आपके पास कोई समर्पित कन्वर्टर उपलब्ध न हो, तो साधारण टेबल के लिए इसे आज़माना लायक है।
विकल्प 4: स्कैन किए गए PDF (अलग समस्या, अलग समाधान)
यदि PDF एक स्कैन है - किसी पेज की फोटो - तो निकालने के लिए बिल्कुल भी कोई टेक्स्ट डेटा नहीं होता। कॉपी-पेस्ट पूरे पेज को एक इमेज के रूप में सिलेक्ट करता है। एक सामान्य PDF-से-Excel कन्वर्टर कुछ भी उपयोगी नहीं देगा।
स्कैन किए गए टेबल के लिए, आपको ऐसी OCR चाहिए जो विशेष रूप से टेबल स्ट्रक्चर को समझती हो। विकल्प:
- Google Docs- PDF को Drive पर अपलोड करें, Docs से खोलें। Google की OCR टेक्स्ट निकालेगी, हालाँकि टेबल स्ट्रक्चर अक्सर सुरक्षित नहीं रहता।
- Adobe Acrobat Pro- इसमें तालिका पहचान के साथ OCR भी शामिल है। जटिल तालिकाओं के लिए बेहतर गुणवत्ता, लेकिन इसके लिए सशुल्क सदस्यता चाहिए।
- विशेषज्ञ OCR उपकरण- ABBYY FineReader और इसी तरह के उपकरण विशेष रूप से दस्तावेज़ संरचना पहचान के लिए बनाए गए हैं, जिसमें तालिकाएँ शामिल हैं। समय-समय पर उपयोग के लिए ये अत्यधिक हैं, लेकिन जटिल स्कैन की गई तालिकाओं के लिए सबसे सटीक विकल्प हैं।
निष्कर्षण के बाद: Excel में डेटा की सफाई
चाहे कोई भी तरीका अपनाएँ, आउटपुट की सफाई में कुछ मिनट बिताने की योजना बनाएँ:
- उन खाली पंक्तियों और डुप्लिकेट हेडर को हटाएँ जो तब दिखाई देते हैं जब बहु-पृष्ठ तालिकाएँ हर पृष्ठ पर कॉलम शीर्षक दोहराती हैं।
- संख्या प्रारूप ठीक करें - अल्पविराम और बिंदु आपस में बदले हुए हो सकते हैं यदि PDF ने किसी अन्य लोकेल के संख्या प्रारूप का उपयोग किया था।
- जाँचें कि कुल योग मेल खाते हैं - स्रोत PDF से एक या दो गणना किए गए मानों को मैन्युअल रूप से सत्यापित करें।