คุณมีไฟล์ PDF ที่มีตารางข้อมูล - รายงานการเงิน รายการราคา ผลสำรวจ หรือส่วนรายการสินค้าในใบแจ้งหนี้ คุณต้องนำข้อมูลนั้นไปใช้ใน Excel คุณลองเลือกเซลล์ คัดลอก แล้ววางลงในสเปรดชีต แต่สิ่งที่ได้คือคอลัมน์ข้อความที่ปนกันมั่ว เซลล์ที่ถูกรวมกันผิดตำแหน่งทั้งหมด หรือไม่ได้อะไรเลย นี่ไม่ใช่บั๊ก แต่เป็นลักษณะการทำงานของ PDF
ทำไมตารางใน PDF จึงดึงข้อมูลออกมาได้ยาก
PDF ไม่ได้จัดเก็บตารางในรูปแบบตาราง แต่จัดเก็บข้อความเป็นชุดของรูปอักขระที่มีตำแหน่งกำหนดไว้ - ตัวอักษรที่ถูกวางไว้ที่พิกัด X/Y เฉพาะบนหน้ากระดาษ ตารางใน PDF ก็เป็นเพียงแถวของข้อความที่บังเอิญเรียงตรงกันทางสายตาและคั่นด้วยเส้นที่วาดขึ้น ไม่มีโครงสร้างข้อมูลใดที่ระบุว่า "นี่คือเซลล์" "อันนี้อยู่ในคอลัมน์ที่ 3" หรือ "แถวนี้จบตรงนี้"
เมื่อคุณคัดลอก-วางจาก PDF โปรแกรมอ่านจะพยายามเดาโครงสร้างจากตำแหน่งทางสายตา ซึ่งมักเดาขอบเขตของคอลัมน์ผิด รวมเซลล์เข้าด้วยกัน และทำให้ตัวเลขถูกตัดข้ามบรรทัด ตารางยิ่งกว้าง ผลลัพธ์ยิ่งรก
วิธีที่ 1: คัดลอก-วางโดยตรง (ลองก่อน)
สำหรับ PDF แบบเนทีฟ - ไฟล์ที่สร้างโดยซอฟต์แวร์ ไม่ใช่เครื่องสแกน - ลองวิธีนี้ก่อน:
- เปิดไฟล์ PDF ในAdobe ReaderหรือChrome.
- คลิกและลากเพื่อเลือกบริเวณตาราง
- คัดลอก (Ctrl+C)
- วางลงในเซลล์ Excel โดยใช้วางแบบพิเศษ -> ข้อความหรือ วางลงในโปรแกรมแก้ไขข้อความก่อนเพื่อดูว่าคุณได้รับอะไรจริง ๆ
- ใช้ข้อความเป็นคอลัมน์(แท็บ Data ใน Excel) เพื่อแบ่งเนื้อหาที่วางด้วยแท็บ ช่องว่าง หรือตัวคั่นที่สม่ำเสมอ
วิธีนี้ใช้ได้ดีพอสมควรสำหรับตารางง่าย ๆ ที่มีสองหรือสามคอลัมน์และจัดรูปแบบเรียบร้อยแล้ว แต่จะล้มเหลวกับตารางที่ซับซ้อนซึ่งมีเซลล์ที่ผสานกัน เชิงอรรถ หรือเนื้อหาในเซลล์ที่มีหลายบรรทัด
ตัวเลือกที่ 2: โปรแกรมแปลงไฟล์ PDF เป็น Excel โดยเฉพาะ
เครื่องมือแปลงไฟล์จะวิเคราะห์โครงสร้างภาพของ PDF - ขอบเขตของเซลล์ การจัดตำแหน่งคอลัมน์ คุณสมบัติของฟอนต์ - และพยายามสร้างข้อมูลนั้นขึ้นใหม่ในรูปแบบข้อมูลสเปรดชีต ผลลัพธ์ที่ได้คือไฟล์ XLSX ที่คุณสามารถเปิดใน Excel ได้โดยตรง
Pagivo กำลังสร้างแพลตฟอร์มเฉพาะทางPDF เป็น Excelตัวแปลงไฟล์ สำหรับงานนี้ เมื่อเริ่มใช้งาน ขั้นตอนการทำงานจะเป็นดังนี้: อัปโหลดไฟล์ PDF ดาวน์โหลดไฟล์ XLSX ตรวจสอบผลลัพธ์เพื่อหาขอบเขตที่ระบบตรวจจับผิดพลาด สำหรับไฟล์ PDF แบบ native ที่มีรูปแบบตารางเรียบร้อย ตัวแปลงไฟล์จะทำงานส่วนใหญ่ให้โดยอัตโนมัติ
สิ่งที่ควรคาดหวัง: การแปลงไฟล์จะแม่นยำสำหรับตารางที่เรียบง่าย และแม่นยำน้อยกว่าสำหรับ เลย์เอาต์ที่ซับซ้อน (แถวหัวตารางที่ถูกผสานกัน ข้อความเอียง ตารางที่มีรูปภาพอยู่ในเซลล์ เส้นขอบที่จัดรูปแบบซับซ้อน) ควรตรวจสอบตัวเลขผลรวมในไฟล์ที่แปลงแล้วเทียบกับไฟล์ PDF ต้นฉบับเสมอ - ข้อผิดพลาดจากการปัดตัวเลขหรือการจัดแนวคอลัมน์ในตารางที่ซับซ้อนอาจเกิดขึ้นได้
ตัวเลือกที่ 3: การนำเข้าข้อมูลผ่าน Google Sheets (เร็วสำหรับตารางขนาดเล็ก)
- เปิดGoogle Sheetsและสร้างสเปรดชีตใหม่
- ไปที่ไฟล์ -> นำเข้าและอัปโหลด PDF
- Google จะพยายามแยกวิเคราะห์ตารางจาก PDF และนำเข้าเป็นข้อมูลในชีต
ผลลัพธ์ไม่แน่นอนและคล้ายกับการคัดลอก-วาง แต่ขั้นตอนการนำเข้าบางครั้งตรวจจับโครงสร้างตารางได้ดีกว่าการเลือกด้วยตนเอง น่าลองสำหรับตารางง่าย ๆ เมื่อคุณไม่มีตัวแปลงไฟล์เฉพาะทางให้ใช้
ตัวเลือกที่ 4: PDF แบบสแกน (ปัญหาต่างกัน วิธีแก้ต่างกัน)
ถ้า PDF เป็นสแกน นั่นคือภาพถ่ายของหน้ากระดาษ จะไม่มีข้อมูลข้อความให้ดึงออกมาเลย การคัดลอก-วางจะเลือกทั้งหน้าเป็นภาพเดียว โปรแกรมแปลง PDF เป็น Excel ทั่วไปจะให้ผลลัพธ์ที่ไม่มีประโยชน์
สำหรับตารางแบบสแกน คุณต้องใช้ OCR ที่เข้าใจโครงสร้างตารางโดยเฉพาะ ตัวเลือกมีดังนี้:
- Google Docs- อัปโหลด PDF ไปยัง Drive แล้วเปิดด้วย Docs OCR ของ Google จะดึงข้อความออกมา แม้ว่าโครงสร้างตารางมักจะไม่ถูกคงไว้
- Adobe Acrobat Pro- มีฟีเจอร์ OCR พร้อมการจดจำตารางในตัว คุณภาพสูงกว่าสำหรับตารางที่ซับซ้อน แต่ต้องสมัครสมาชิกแบบเสียเงิน
- เครื่องมือ OCR เฉพาะทาง- ABBYY FineReader และเครื่องมือที่คล้ายกันได้รับการออกแบบ มาสำหรับการจดจำโครงสร้างเอกสารโดยเฉพาะ รวมถึงตาราง อาจเกินความจำเป็นสำหรับการใช้งานครั้งคราว แต่เป็นตัวเลือกที่แม่นยำที่สุดสำหรับตารางที่สแกนซับซ้อน
หลังการดึงข้อมูล: การทำความสะอาดข้อมูลใน Excel
ไม่ว่าจะใช้วิธีใด ให้วางแผนใช้เวลาสักครู่ในการทำความสะอาดผลลัพธ์:
- ลบแถวว่างและหัวตารางซ้ำที่เกิดขึ้นเมื่อตารางหลายหน้า แสดงหัวคอลัมน์ซ้ำในแต่ละหน้า
- แก้ไขรูปแบบตัวเลข - เครื่องหมายจุลภาคและจุดอาจถูกสลับกัน หาก PDF ใช้รูปแบบตัวเลขตามภาษาและภูมิภาคอื่น
- ตรวจสอบว่ายอดรวมตรงกัน - ตรวจสอบด้วยตนเองว่าค่าที่คำนวณหนึ่งหรือสองค่าถูกต้องจากไฟล์ PDF ต้นทาง