Veri tablosu içeren bir PDF'iniz var - finansal rapor, fiyat listesi, anket sonucu veya fatura satır öğeleri bölümü. Bu verilerle Excel'de çalışmanız gerekiyor. Hücreleri seçmeyi, kopyalamayı ve bir elektronik tabloya yapıştırmayı deniyorsunuz. Elde ettiğiniz şey, karman çorman bir metin sütunu, tamamen yanlış yerlerde birleştirilmiş hücreler ya da hiçbir şeydir. Bu bir hata değil. PDF'lerin çalışma biçimi budur.
PDF tablolarının çıkarılması neden zordur
Bir PDF, tabloları tablo olarak saklamaz. Metni, sayfada belirli X/Y koordinatlarına yerleştirilmiş karakterlerden oluşan bir dizi konumlandırılmış glif olarak saklar. PDF'teki bir tablo, yalnızca görsel olarak hizalanmış ve çizilmiş çizgilerle ayrılmış metin satırlarıdır. "bu bir hücredir", "bu 3. sütuna aittir" veya "bu satır burada biter" ifadelerini temsil eden hiçbir veri yapısı yoktur.
Bir PDF'ten kopyala-yapıştır yaptığınızda, okuyucu yapıyı görsel konumdan tahmin etmeye çalışır. Genellikle sütun sınırlarını yanlış alır, hücreleri birleştirir ve sayıları satırlar arasında böler. Tablo ne kadar genişse, sonuç o kadar karışık olur.
Seçenek 1: Doğrudan kopyala-yapıştır (önce denemeye değer)
Yerel bir PDF için - tarayıcıyla değil, yazılımla oluşturulmuş biri - önce şunu deneyin:
- PDF'i şurada açın:Adobe ReaderveyaChrome.
- Tablo alanını seçmek için tıklayıp sürükleyin.
- Kopyalayın (Ctrl+C).
- Bir Excel hücresine şunu kullanarak yapıştırın:Özel Yapıştır -> Metinveya önce bir metin düzenleyiciye yapıştırarak gerçekte ne aldığınızı görün.
- KullanınMetni Sütunlara Dönüştür(Excel'deki Veri sekmesi) yapıştırılan içeriği sekmeye, boşluğa veya tutarlı bir ayırıcıya göre bölmek için.
Bu yöntem, temiz biçimlendirmeye sahip basit iki veya üç sütunlu tablolar için yeterince iyi çalışır. Birleşik hücreler, dipnotlar veya çok satırlı hücre içeriği içeren karmaşık tablolarda başarısız olur.
Seçenek 2: PDF'den Excel'e dönüştürme için özel bir araç
Bir dönüştürme aracı, PDF'in görsel yapısını analiz eder - hücre sınırları, sütun hizalaması, yazı tipi özellikleri - ve bunu elektronik tablo verisi olarak yeniden yapılandırmaya çalışır. Çıktı, doğrudan Excel'de açabileceğiniz bir XLSX dosyasıdır.
Pagivo, özel birPDF'den Excel'e geliştiriyordönüştürücü bunun için. Çalıştırıldığında iş akışı şöyle olacak: PDF'i yükleyin, XLSX'i indirin, sonucu yanlış algılanan sınır açısından gözden geçirin. Tablo biçimlendirmesi düzgün bir yerel PDF için dönüştürücü işin çoğunu halledecektir.
Ne beklemelisiniz: dönüştürme basit tablolarda doğru, karmaşık düzenlerde daha az doğrudur (birleşik başlık satırları, diyagonal metin, hücrelerin içinde görsel bulunan tablolar, ağır stillendirilmiş kenarlıklar). Çıktıdaki sayısal toplamları daima kaynak PDF ile doğrulayın - karmaşık tablolarda yuvarlama veya sütun hizalama hataları meydana gelebilir.
Seçenek 3: Google Sheets içe aktarma (küçük tablolar için hızlı)
- AçınGoogle Sheetsve yeni bir elektronik tablo oluşturun.
- Şuraya gidinDosya -> İçe Aktarve PDF'i yükleyin.
- Google, PDF'deki tabloları ayrıştırmaya çalışacak ve bunları sayfa verisi olarak içe aktaracaktır.
Sonuçlar değişkendir ve kopyala-yapıştıra benzer, ancak içe aktarma adımı bazen tablo yapısını manuel seçimden daha iyi algılar. Özel bir dönüşümücünüz olmadığında basit tablolar için denemeye değer.
Seçenek 4: Taranmış PDF'ler (farklı sorun, farklı çözüm)
PDF bir tarama ise - bir sayfanın fotoğrafıysa - hiç metin verisi yoktur. Kopyala-yapıştır tüm sayfayı tek bir resim olarak seçer. Standart bir PDF-to-Excel dönüştürücü işe yarar bir şey üretmez.
Taranmış tablolar için, tablo yapısını özellikle anlayan bir OCR'ye ihtiyacınız vardır. Seçenekler:
- Google Docs- PDF'i Drive'a yükleyin, Docs ile açın. Google'ın OCR'si metni çıkarır, ancak tablo yapısı genellikle korunmaz.
- Adobe Acrobat Pro- Tablo tanıma özelliğine sahip OCR yerleşik olarak bulunur. Karmaşık tablolar için daha yüksek kalite, ancak ücretli abonelik gerektirir.
- Uzman OCR araçları- ABBYY FineReader ve benzerleri, tablolar dahil belge yapısı tanıma için özel olarak tasarlanmıştır. Ara sıra kullanım için gereksizdir, ancak karmaşık taranmış tablolar için en doğru seçenektir.
Çıkarma sonrası: Excel'de verilerin temizlenmesi
Yöntemden bağımsız olarak, çıktıyı temizlemek için birkaç dakika ayırmayı planlayın:
- Çok sayfalı tabloların her sayfada sütun başlıklarını tekrarladığında ortaya çıkan boş satırları ve yinelenen başlıkları kaldırın.
- Sayı biçimlerini düzeltin - PDF farklı bir yerel ayarın sayı biçimini kullandıysa virgül ve noktalar yer değiştirmiş olabilir.
- Toplamların eşleştiğini kontrol edin - kaynak PDF'ten bir veya iki hesaplanmış değeri elle doğrulayın.