Cara Mengambil Tabel dari PDF ke Excel

Anda memiliki PDF berisi tabel data - laporan keuangan, daftar harga, hasil survei, atau bagian rincian item faktur. Anda perlu mengolah data tersebut di Excel. Anda mencoba menyorot sel, menyalinnya, dan menempelkannya ke spreadsheet. Yang Anda dapatkan adalah kolom teks yang berantakan, sel yang tergabung di tempat yang salah, atau bahkan tidak sama sekali. Ini bukan bug. Memang begitulah cara kerja PDF.

Mengapa tabel PDF sulit diekstrak

PDF tidak menyimpan tabel sebagai tabel. PDF menyimpan teks sebagai serangkaian glyph yang diposisikan - karakter-karakter yang diletakkan pada koordinat X/Y tertentu di halaman. Tabel dalam PDF hanyalah baris-baris teks yang kebetulan tampak sejajar secara visual dan dipisahkan oleh garis yang digambar. Tidak ada struktur data yang mewakili "ini adalah sebuah sel", "ini termasuk kolom 3", atau "baris ini berakhir di sini".

Ketika Anda menyalin-menempel dari PDF, pembaca PDF mencoba menebak strukturnya dari posisi visual. Sering kali batas kolomnya salah, sel-selnya bergabung, dan angka-angka terpotong di antara baris. Semakin lebar tabelnya, semakin berantakan hasilnya.

Opsi 1: Salin-tempel langsung (layak dicoba terlebih dahulu)

Untuk PDF asli - yang dibuat oleh perangkat lunak, bukan hasil pindaian - coba dulu langkah berikut:

1. Buka PDF diAdobe ReaderatauChrome.
2. Klik dan seret untuk memilih area tabel.
3. Salin (Ctrl+C).
4. Tempel ke sel Excel menggunakanPaste Special -> Textatau tempel ke editor teks terlebih dahulu untuk melihat apa yang sebenarnya Anda dapatkan.
5. GunakanText to Columns(tab Data di Excel) untuk memisahkan konten yang ditempel berdasarkan tab, spasi, atau pemisah yang konsisten.

Ini bekerja dengan cukup baik untuk tabel sederhana dua atau tiga kolom dengan format yang rapi. Tapi gagal pada tabel kompleks dengan sel gabungan (merged cells), catatan kaki, atau konten sel yang lebih dari satu baris.

Opsi 2: Konverter PDF ke Excel khusus

Alat konversi menganalisis struktur visual PDF - batas sel, perataan kolom, properti font - dan mencoba merekonstruksinya sebagai data spreadsheet. Hasilnya adalah file XLSX yang bisa langsung Anda buka di Excel.

Pagivo sedang membangunPDF ke Excelkonverter untuk ini. Saat diluncurkan, alur kerjanya adalah: unggah PDF, unduh XLSX, periksa hasilnya untuk batas tabel yang terdeteksi salah. Untuk PDF asli dengan format tabel yang rapi, konverter akan menangani sebagian besar pekerjaan.

Yang perlu diharapkan: konversi akurat pada tabel yang sederhana dan kurang akurat pada tata letak yang kompleks (baris header yang digabungkan, teks diagonal, tabel dengan gambar di dalam sel, batas bergaya berat). Selalu verifikasi total angka pada hasil terhadap PDF sumber - kesalahan pembulatan atau perataan kolom pada tabel kompleks memang bisa terjadi.

Opsi 3: Impor Google Sheets (cepat untuk tabel kecil)

1. BukaGoogle Sheetsdan buat spreadsheet baru.
2. BukaFile -> Importdan unggah PDF-nya.
3. Google akan mencoba mengurai tabel dari PDF dan mengimpornya sebagai data sheet.

Hasilnya bervariasi dan mirip dengan copy-paste, tetapi langkah impor kadang lebih baik mendeteksi struktur tabel daripada seleksi manual. Layak dicoba untuk tabel sederhana saat Anda tidak memiliki converter khusus yang tersedia.

Opsi 4: PDF hasil pemindaian (masalah berbeda, solusi berbeda)

Jika PDF tersebut adalah hasil pemindaian - foto dari sebuah halaman - tidak ada data teks yang bisa diekstrak sama sekali. Copy-paste akan memilih seluruh halaman sebagai satu gambar. Converter PDF-ke-Excel standar tidak akan menghasilkan apa pun yang berguna.

Untuk tabel hasil pemindaian, Anda memerlukan OCR yang secara khusus memahami struktur tabel. Pilihannya:

• Google Docs- unggah PDF ke Drive, buka dengan Docs. OCR Google akan mengekstrak teks, meskipun struktur tabel sering kali tidak dipertahankan.
• Adobe Acrobat Pro- memiliki OCR dengan pengenalan tabel bawaan. Kualitas lebih tinggi untuk tabel yang kompleks, tetapi memerlukan langganan berbayar.
• Alat OCR khusus- ABBYY FineReader dan sejenisnya dirancang khusus untuk pengenalan struktur dokumen termasuk tabel. Berlebihan untuk penggunaan sesekali tetapi merupakan opsi paling akurat untuk tabel hasil pindaian yang kompleks.

Setelah ekstraksi: membersihkan data di Excel

Apa pun metodenya, siapkan beberapa menit untuk membersihkan hasilnya:

• Hapus baris kosong dan tajuk duplikat yang muncul saat tabel multi-halaman mengulang judul kolom di setiap halaman.
• Perbaiki format angka - koma dan titik bisa tertukar jika PDF menggunakan format angka dari lokal yang berbeda.
• Periksa apakah jumlahnya cocok - verifikasi secara manual satu atau dua nilai hasil perhitungan dari PDF sumber.