Şəkil və PDF-dən cədvəli Excel və ya CSV-yə necə çıxarmaq

Alət seçməzdən əvvəl əslində hansı cədvəliniz olduğunu öyrənin, çünki üç geniş yayılmış mənbə müxtəlif cür xəta verir. PDF-i açın və kursorla tək bir rəqəmi seçməyə çalışın. Rəqəm təkbaşına seçilirsə, fayl mətn PDF-dir: hər simvol dəqiq mövqedə mətn kimi saxlanılır və çıxarma əsasən bu simvolları sətir və sütunlara qruplaşdırmaqdır. Bütün səhifə bir blok kimi seçilirsə və ya heç nə seçilmirsə, əlinizdə cədvəlin şəkli var və əvvəlcə pikselləri kiməsə oxumaq lazımdır.

Üçüncü hal asanlıqla gözdən qaçır. Köhnə mühasibat sistemlərindən, terminal proqramlarından və e-poçt mətnlərindən ixrac edilən bir çox hesabat cədvələ oxşayır, əslində isə tab və ya boşluqlarla düzülmüş sadə mətndir. Heç bir xana yoxdur, yalnız monoeni şrift düzülüşü var. Belə mətnin ekran görüntüsünə OCR tətbiq etmək əlinizdə olan məlumatı itirməkdir; mətni kopyalayıb sütunlara bölmək daha sürətli və dəqiqdir. Aşağıdakı kartlar hər mənbənin nəyə ehtiyacı olduğunu ümumiləşdirir.

Cədvəl tanıma simvollar məlum olduqdan sonra işləyən ikinci mərhələdir. Əvvəlcə xanaları tapır: xətli cədvəllərdə üfüqi və şaquli xətləri izləyir və hər qapalı qutunu xana sayır; xətsiz cədvəllərdə blokun bütün hündürlüyü boyu uzanan boş şaquli aralıqları axtarır. Sonra sütunları düzləndirir və yuxarıdakından bir neçə piksel sağda olan rəqəmin yenə də eyni sütuna aid olduğunu müəyyən edir.

Sonra başlıq sətri gəlir. Tanıyıcılar qalın, kölgəli və ya rəqəm sütunlarının üstündəki sözlərdən ibarət ilk sətri axtarır, iki sətrə sınan başlıqları isə tək xanada birləşdirir. Birləşdirilmiş xanalar sonuncu addımdır: üç ay sütununu əhatə edən Q1 kimi etiket daxili xətlərin olmamasından aşkarlanır və ya birləşdirilmiş xana kimi qurulur, ya da əhatə etdiyi hər sütuna köçürülür.

Bunların heç biri mətni anlamaq deyil. Proqram sütunun tarix olduğunu və ya sətrin aralıq yekun olduğunu bilmir; yalnız həndəsə və simvolları görür. Buna görə eyni alət bir çıxarışda qüsursuz işləyib başqa bankın növbəti çıxarışını qarışdıra bilər və Cədvəlin növü və Başlıq sətrini aşkarla kimi ayarlar məhz ona görə var: onlar tanıyıcıya etibarlı çıxarıla bilməyən faktı verir.

Xətaların çoxu iki qrupa düşür. Həndəsə xətaları şəbəkəni pozur, dəyərlər yanlış sətir və ya sütuna düşür. Rəqəm xətaları şəbəkəni saxlayır, lakin xananın mənasını dəyişir; bu daha pisdir, çünki vərəq normal görünür. Yerini dəyişmiş sütun bir baxışda görünür; 1.234-ün mində yox, onluq kəsr kimi oxunması isə görünmür.

Rəqəm problemlərinin əsas mənbəyi regional yazılışdır. ABŞ və Böyük Britaniya 1,234.56 yazır; Almaniya, Braziliya və kontinental Avropanın çoxu 1.234,56; Fransa minlik ayırıcı kimi boşluqdan istifadə edir; İsveçrə çox vaxt 1'234.56 kimi apostrof işlədir; Hindistan isə rəqəmləri 1,23,456 şəklində qruplaşdırır. Mühasibat sənədlərində əlavə olaraq mötərizədə mənfi rəqəmlər və rəqəmlərə yapışmış valyuta simvolları olur. Nəyə fikir vermək və hər halı nə düzəldir:

Girişə sərf olunan hər dəqiqə cədvəldə bir neçə dəqiqə qazandırır. OCR mühərrikləri adətən təxminən 300 dpi ilə skan edilmiş mətn üçün tənzimlənir; bu, A4 və ya US Letter səhifəsi üçün təxminən 2480 × 3508 px və ya 2550 × 3300 px deməkdir. Səhifə kadrı doldurursa, müasir telefon kamerası bunu asanlıqla keçir, lakin masanın o tayından çəkilib kiçik cədvələ qədər kəsilmiş tam səhifəlik foto bundan xeyli aşağı düşə bilər.

Kontrast ən az ayırdetmə qədər önəmlidir. Termokağız çeklər solur, boz fonda boz cədvəl xətləri itir, telefonunuzun səhifəyə düşən kölgəsi isə sütunu ikiyə böləbilər. Əgər orijinal mütəmadi çıxaracağınız kağız sənəddirsə, sənədləri PDF-ə skan etmək bələdçisi işıqlandırma və skaner ayarlarını ətraflı izah edir. Yükləməzdən əvvəl bu siyahını yoxlayın.

Excel-in Data from Picture funksiyası 2019-da Android tətbiqinə, sonra iPhone-a gəldi və indi Windows və Mac üçün Microsoft 365 Excel-də Data > From Picture altındadır. Bir cədvəli çəkir və ya yükləyir, şübhəli dəyərləri qeyd edən yan paneldə tanınmış xanalara baxır və daxil edirsiniz. Google daha dolayı yol təklif edir: Drive-da şəkli və ya PDF-i sağ klikləyib Open with > Google Docs seçin. Google-un öz yardım səhifəsi bunu 2 MB və ya daha kiçik fayllarla, PDF-in isə yalnız ilk 10 səhifəsini oxumaqla məhdudlaşdırır, nəticə isə sənəd olur, ona görə cədvəl çox vaxt Sheets-ə yapışdırıb bölməli olduğunuz mətn sətirləri kimi gəlir.

Adobe Acrobat Pro PDF-i Microsoft Excel iş kitabına ixrac edir və ixrac zamanı skan edilmiş səhifələrdə OCR işlədir. Windows üçün Microsoft 365 Excel də mətn PDF-dən Get Data > From File > From PDF ilə cədvəlləri çəkə bilər, bu Power Query-ni açır; o, aşkarlanmış hər cədvəli səhifə üzrə siyahılayır, çıxarışın aylıq səhifələrini bir cədvələ əlavə etməyə imkan verir və gələn ayın faylını əvəzləyəndə yenilənir. Skanları oxumur, Mac üçün Excel-də isə bu birləşdirici yoxdur.

Brauzer çeviriciləri qalan halları heç nə quraşdırmadan əhatə edir. Mətn və ya skan edilmiş PDF üçün PDF-dən Excel-ə hər aşkarlanan cədvəli ayrıca vərəqə çevirir; foto və ya ekran görüntüsü üçün şəkli Excel-ə çevirin və ya başqa proqram idxal edəcəksə cədvəli CSV kimi saxlayın. Cədvəl beş yolu müqayisə edir.

Düzgün görünən çevrilmiş cədvəl hələ etibar edə biləcəyiniz cədvəl deyil. Sətir sayından başlayın: çıxarışda 47 əməliyyat varsa, vərəqdə 47 məlumat sətri olmalıdır; iki sətir birləşdiyi üçün 46 və ya sınmış izah ayrıca sətir olduğu üçün 49 yox. Sonra bir rəqəm sütununu SUM ilə toplayıb sənəddəki yekunla müqayisə edin. Sənəddə yekun yoxdursa, bir neçə dəyəri əllə toplayıb müqayisə edin.

Sonra yalnız rəqəm kimi görünən xanaları axtarın. Excel-də həqiqi rəqəmlər susmaya görə sağa, mətn sola düzülür, ona görə bir neçə solda düzülmüş məbləği olan sütun sizə nəsə deyir; köməkçi sütunda ISNUMBER hamısını birdən tapır. Tarixlərə də eyni şübhə ilə baxın. Mətn kimi oxunmuş tarix əlifba ilə sıralanır, ona görə 10/02 2/03-dən əvvəl düşür, 03/04 isə yazanın kim olmasından asılı olaraq 3 aprel və ya 4 mart ola bilər.

Nəhayət, dəyişəndən çox itəni yoxlayın. Uzun hesab və kart nömrələri klassik tələdir: Excel rəqəmləri 15 əhəmiyyətli rəqəmlə saxlayır, ona görə ədəd kimi yazılan və ya idxal olunan 16 rəqəmli kart nömrəsinin son rəqəmi sıfıra çevrilir.

Məlumatla insan Excel, Google Sheets və ya Numbers-də işləyəcəksə XLSX seçin. O, bir neçə cədvəli ayrı vərəqlərdə, real rəqəm və tarix tiplərini, qalın başlıq sətirlərini və birləşdirilmiş xanaları saxlayır. Proqram idxal edəcəksə CSV seçin: büdcə tətbiqləri, mühasibat paketləri, verilənlər bazaları və skriptlər. CSV hər faylda bir cədvəl olan sadə mətndir, 2005-ci ildən RFC 4180-də təsvir olunub və vacib üç ayar ayırıcı, kodlaşdırma və rəqəmlərin ədəd kimi saxlanmasıdır.

Ayırıcı idxal edən proqrama uyğun olmalıdır; onluğu vergüllə yazan ölkələrdə Excel nöqtəli vergül gözləyir. Kodlaşdırma Müller və ya São Paulo kimi adların qalıb-qalmayacağını müəyyən edir: BOM ilə UTF-8 Windows üçün Excel-in cüt klikdə düzgün oxuduğu variantdır. Əvvəldəki sıfırlar klassik itkidir. 02134 kimi ABŞ poçt kodları, işçi ID-ləri və məhsul kodları miqdar deyil, identifikatordur və nəsə onları ədəd saymaq kimi 2134 olur. ID-lərlə dolu cədvəllər üçün Rəqəmləri ədəd kimi saxla seçimini söndürün və ya CSV-ni həmin sütunlar Text olmaqla idxal edin.

Bir cədvəl çıxarmaq sadə işdir; bir illik qaimə və ya on iki aylıq bank çıxarışı çıxarmaq isə kiçik məlumat layihəsidir. Mümkünsə mənbə sənədləri eyni düzümdə saxlayın və hər fayl eyni ayarları alsın deyə onları bir keçidlə çevirin. Mətn PDF-lərdə eyni anda 20-yə qədər, hər biri 95 MB-a qədər yükləyin və çıxarışın əməliyyat cədvəli səhifələrə davam edirsə, Vərəqlər seçimində Hamısı bir vərəqdə seçin. Fotolar bir cədvəl şəkli ilə çevrilir, ona görə kağız qaimələr dəstində səhifələri əvvəlcə şəkildən PDF-ə ilə birləşdirib PDF səhifələri ayarını cədvəllər olan aralığa yönəltmək çox vaxt daha sürətlidir.

Toplu çevirmədən sonra nəticələri mənbə fayl adını qeyd edən sütunla bir vərəqdə birləşdirin. Sənədlər əsasən mətndir və bir-iki cədvəl varsa, PDF-i Word-ə çevirmək abzasları və cədvəlləri birlikdə saxlayır.

Bank çıxarışları, əmək haqqı vərəqələri və qaimələr hesab nömrələri, ünvanlar və xərc tarixçəsi daşıyır, ona görə onların hara getdiyini düşünün. UltKit-də yükləmələr və yaradılan fayllar emaldan 30 dəqiqə sonra silinir və heç kim tərəfindən oxunmur. Yenə də ən təhlükəsiz nüsxə kompüterinizi tərk etməyəndir: yükləməzdən əvvəl tam hesab nömrələri kimi lazımsız sütunları kəsin və ya gizlədin, artıq lazım olmayan yerli ixracları silin.