Hoe om tabelle uit beelde en PDF's na Excel of CSV te haal

Voordat jy 'n hulpmiddel kies, vind uit watter soort tabel jy eintlik het, want die drie algemene bronne misluk op verskillende maniere. Maak die PDF oop en probeer om met die wyser een enkele getal te kies. As die getal op sy eie uitgelig word, is die lêer 'n teks-PDF: elke karakter word as teks op 'n presiese posisie gestoor, en onttrekking gaan meestal daaroor om daardie karakters in rye en kolomme te groepeer. As die hele bladsy as een blok uitgelig word, of niks word uitgelig nie, het jy 'n prent van 'n tabel, en iemand moet eers die piksels lees.

Die derde geval word maklik misgekyk. Baie verslae uit ouer rekeningkundige stelsels, terminaalprogramme en e-posliggame lyk soos tabelle, maar is gewone teks wat met tabs of reekse spasies belyn is. Daar is glad nie selle nie, net 'n vaste-breedte uitleg. Om OCR op 'n skermkiekie van daardie teks te loop, gooi inligting weg wat jy reeds het; om die teks te kopieer en in kolomme te verdeel, is vinniger en presies. Die kaarte hieronder som op wat elke bron nodig het.

Tabelherkenning is 'n tweede deurgang wat loop nadat die karakters bekend is. Eers vind dit selle: by tabelle met lyne volg dit die horisontale en vertikale lyne en beskou elke omsluite blokkie as 'n sel; by tabelle sonder rande soek dit vertikale gleuwe van leë ruimte wat oor die hele hoogte van die blok loop. Dan belyn dit kolomme en besluit dat 'n getal wat 'n paar piksels regs van die een erbo sit, steeds by dieselfde kolom hoort.

Volgende kom die opskrifry. Herkenners soek 'n eerste ry wat vet of geskadu is, of uit woorde bo kolomme getalle bestaan, en hulle voeg opskrifte wat oor twee lyne loop in een sel saam. Saamgevoegde selle is die laaste stap: 'n etiket soos Q1 wat drie maandkolomme oorspan, word uit die ontbrekende binnelyne opgespoor en óf as 'n saamgevoegde sel herbou, óf in elke kolom wat dit dek, gekopieer.

Niks hiervan is leesbegrip nie. Die sagteware weet nie dat 'n kolom datums bevat of dat 'n ry 'n subtotaal is nie; dit sien net meetkunde en karakters. Daarom kan dieselfde hulpmiddel vlekkeloos wees op een staat en die volgende een van 'n ander bank deurmekaar maak, en daarom bestaan instellings soos Tabelstyl en Herken opskrifry: hulle gee die herkenner 'n feit wat dit nie betroubaar kan aflei nie.

Meeste mislukkings val in twee groepe. Meetkundefoute breek die rooster, sodat waardes in die verkeerde ry of kolom beland. Getalfoute laat die rooster ongeskonde maar verander wat 'n sel beteken, wat erger is omdat die sigblad goed lyk. 'n Verskuifde kolom is met een oogopslag duidelik; 1.234 wat as 'n desimaal in plaas van 'n duisend gelees word, nie.

Streekinstellings is die hoofbron van getalprobleme. Die Verenigde State en die Verenigde Koninkryk skryf 1,234.56; Duitsland, Brasilië en die meeste van vasteland-Europa skryf 1.234,56; Frankryk gebruik 'n spasie as duisendskeiding; Switserland gebruik dikwels 'n apostrof, soos in 1'234.56; en Indië groepeer syfers as 1,23,456. Rekeningkundige dokumente voeg negatiewe getalle tussen hakies by en geldeenheidsimbole wat aan die syfers vas is. Hier is waarop om te let en wat elke geval regmaak.

Elke minuut wat jy aan die invoer bestee, spaar etlike in die sigblad. OCR-enjins word gewoonlik ingestel vir teks wat teen ongeveer 300 dpi geskandeer is, wat vir 'n A4- of US Letter-bladsy ongeveer 2480 × 3508 px of 2550 × 3300 px beteken. 'n Moderne foonkamera klop dit maklik as die bladsy die raam vul, maar 'n heelbladsy-foto wat van oor die lessenaar geneem en dan tot 'n klein tabel gesny is, kan ver daaronder val.

Kontras maak net soveel saak as resolusie. Termiese-papier-kwitansies verbleek, grys tabellyne op 'n grys agtergrond verdwyn, en 'n skaduwee van jou foon oor die bladsy kan 'n kolom middeldeur sny. As die oorspronklike 'n papierdokument is waaruit jy gereeld sal onttrek, dek die gids oor dokumente na PDF skandeer beligting en skanderinstellings in meer besonderhede. Gaan deur hierdie lys voordat jy oplaai.

Excel se Data from Picture het in 2019 in die Android-toepassing aangekom, daarna op iPhone, en is nou in Excel vir Microsoft 365 op Windows en Mac onder Data > From Picture. Jy fotografeer of laai een tabel, hersien die herkende selle in 'n sypaneel wat twyfelagtige waardes merk, en voeg dit in. Google bied 'n minder direkte pad: regskliek in Drive op 'n beeld of PDF en kies Open with > Google Docs. Google se eie hulpbladsy beperk dit tot lêers van 2 MB of kleiner en lees net die eerste 10 bladsye van 'n PDF, en die resultaat is 'n dokument, so die tabel kom dikwels as lyne teks wat jy dan in Sheets plak en verdeel.

Adobe Acrobat Pro voer 'n PDF uit na 'n Microsoft Excel-werkboek en loop OCR op geskandeerde bladsye tydens die uitvoer. Excel vir Microsoft 365 op Windows kan ook tabelle uit 'n teks-PDF haal met Get Data > From File > From PDF, wat Power Query oopmaak; dit lys elke opgespoorde tabel volgens bladsy, laat jou 'n staat se maandelikse bladsye in een tabel byvoeg en verfris wanneer jy volgende maand se lêer inruil. Dit lees nie skanderings nie, en Excel vir Mac het nie die koppelvlak nie.

Blaaier-omskakelaars dek die res sonder om iets te installeer. Vir 'n teks- of geskandeerde PDF skakel PDF na Excel elke opgespoorde tabel in sy eie blad om; vir 'n foto of skermkiekie, skakel die beeld na Excel om of stoor die tabel as CSV wanneer 'n ander program dit sal invoer. Die tabel vergelyk die vyf roetes.

'n Omgeskakelde tabel wat reg lyk, is nog nie 'n tabel waarop jy kan staatmaak nie. Begin met die aantal rye: as die staat 47 transaksies lys, behoort die sigblad 47 datarye te hê, nie 46 omdat twee lyne saamgesmelt het of 49 omdat 'n omgevou beskrywing sy eie ry geword het nie. Tel dan een numeriese kolom met SUM bymekaar en vergelyk dit met die totaal wat op die dokument gedruk is. As die dokument nie 'n totaal het nie, tel 'n paar waardes met die hand bymekaar en vergelyk.

Kyk volgende vir selle wat net voorgee om getalle te wees. In Excel belyn egte getalle by verstek regs en teks links, so 'n kolom met 'n paar links-belynde bedrae sê vir jou iets; ISNUMBER in 'n hulpkolom vind hulle almal in een slag. Datums verdien dieselfde agterdog. 'n Datum wat as teks gelees is, sorteer alfabeties, so 10/02 land voor 2/03, en 03/04 kan 3 April of 4 Maart beteken na gelang van wie dit geskryf het.

Kyk laastens na wat verlore gegaan het eerder as wat verander is. Lang rekening- en kaartnommers is 'n klassieke slaggat: Excel stoor getalle met 15 beduidende syfers, so 'n 16-syfer-kaartnommer wat as 'n getal getik of ingevoer is, se laaste syfer word 'n nul.

Kies XLSX wanneer 'n mens die data in Excel, Google Sheets of Numbers sal gebruik. Dit behou verskeie tabelle op aparte blaaie, egte getal- en datumtipes, vet opskrifrye en saamgevoegde selle. Kies CSV wanneer sagteware dit sal invoer: begrotingstoepassings, rekeningkundige pakkette, databasisse en skrips. CSV is gewone teks met een tabel per lêer, beskryf in RFC 4180 van 2005, en die drie instellings wat saak maak, is die skeidingsteken, die enkodering en of getalle as getalle gestoor word.

Die skeidingsteken moet by die invoerende program pas; Excel in lande wat desimale met 'n komma skryf, verwag kommapunte. Die enkodering bepaal of name soos Müller of São Paulo behoue bly: UTF-8 met BOM is wat Excel vir Windows korrek lees met 'n dubbelklik. Voorafgaande nulle is die klassieke verlies. VSA-poskodes soos 02134, werknemer-ID's en produkkodes is identifiseerders, nie hoeveelhede nie, en word 2134 sodra enigiets dit as getalle hanteer. Skakel Stoor getalle as getalle af vir tabelle vol ID's, of voer die CSV in met daardie kolomme op Teks gestel.

Om een tabel te onttrek is 'n opsoeking; om 'n jaar se fakture of twaalf maandelikse bankstate te onttrek is 'n klein dataprojek. Hou die brondokumente waar moontlik in dieselfde uitleg en skakel hulle in een deurgang om sodat elke lêer dieselfde instellings kry. Met teks-PDF's kan jy tot 20 op 'n slag oplaai, elk tot 95 MB, en kies Alles op een blad in die Blaaie-opsie wanneer 'n staat se transaksietabel oor bladsye voortgaan. Foto's word een tabelbeeld op 'n slag omgeskakel, so vir 'n stapel papierfakture is dit dikwels vinniger om die bladsye eers met beeld na PDF te kombineer en PDF-bladsye na die reeks te rig wat die tabelle bevat.

Voeg na 'n bondel die resultate in een blad saam met 'n kolom wat die bronlêernaam aanteken. As die dokumente meestal teks met een of twee tabelle is, hou om die PDF na Word om te skakel die paragrawe en die tabelle eerder saam.

Banktstate, betaalstrokies en fakture bevat rekeningnommers, adresse en bestedingsgeskiedenis, so dink na oor waarheen hulle gaan. Op UltKit word opgelaaide en gegenereerde lêers 30 minute ná verwerking uitgevee en deur niemand gelees nie. Tog is die veiligste kopie die een wat nooit jou rekenaar verlaat nie: sny of verberg kolomme wat jy nie nodig het nie, soos volledige rekeningnommers, voor oplaai, en vee plaaslike uitvoere uit wat jy nie meer nodig het nie.