Hvernig á að ná töflum úr myndum og PDF í Excel eða CSV

Áður en þú velur tól skaltu komast að því hvers konar töflu þú ert með, því algengustu þrjár tegundirnar bregðast á ólíkan hátt. Opnaðu PDF-skrána og reyndu að velja eina tölu með bendlinum. Ef talan merkist af sjálfu sér er skráin textaskrá: hver stafur er geymdur sem texti á nákvæmum stað og útdrátturinn snýst aðallega um að flokka stafina í raðir og dálka. Ef öll síðan merkist sem ein heild, eða ekkert merkist, ertu með mynd af töflu og einhver þarf fyrst að lesa pixlana.

Þriðja tilvikið er auðvelt að missa af. Margar skýrslur úr eldri bókhaldskerfum, útstöðvaforritum og tölvupóstum líta út eins og töflur en eru venjulegur texti stilltur upp með tabulatorum eða mörgum bilum. Þar eru engir reitir, aðeins jafnbreitt letur. Að keyra OCR á skjámynd af slíkum texta fleygir upplýsingum sem þú átt þegar; fljótlegra og nákvæmara er að afrita textann og skipta honum í dálka. Spjöldin hér að neðan taka saman hvað hver tegund þarfnast.

Töflugreining er seinni umferð sem keyrir eftir að stafirnir eru þekktir. Fyrst finnur hún reiti: í töflum með línum rekur hún láréttar og lóðréttar línur og lítur á hvern lokaðan kassa sem reit; í töflum án ramma leitar hún að lóðréttum bilum sem ná yfir alla hæð svæðisins. Síðan stillir hún dálka af og ákveður að tala sem er nokkrum pixlum til hægri við töluna fyrir ofan tilheyri sama dálki.

Næst kemur fyrirsagnarröðin. Greinar leita að fyrstu röð sem er feit, skyggð eða úr orðum yfir talnadálkum og sameina fyrirsagnir sem skiptast á tvær línur í einn reit. Sameinaðir reitir eru síðasta skrefið: heiti eins og Q1 yfir þremur mánaðadálkum greinist af því að innri línur vantar og er annaðhvort endurbyggt sem sameinaður reitur eða afritað í hvern dálk sem það nær yfir.

Ekkert af þessu er textaskilningur. Hugbúnaðurinn veit ekki að dálkur geymir dagsetningar eða að röð er millisumma; hann sér aðeins lögun og stafi. Þess vegna getur sama tólið verið fullkomið á einu yfirliti en rugl á því næsta frá öðrum banka, og þess vegna eru stillingar eins og Table style og Greina hausalínu til: þær gefa greininum upplýsingar sem hann getur ekki ályktað áreiðanlega sjálfur.

Flest mistök falla í tvo hópa. Rúmfræðimistök brjóta töfluna svo gildi lenda í rangri röð eða dálki. Talnamistök skilja töfluna eftir heila en breyta merkingu reits, sem er verra því blaðið lítur vel út. Misfarinn dálkur sést í fljótu bragði; 1.234 lesið sem tugabrot í stað þúsunda gerir það ekki.

Staðarstillingar eru helsta uppspretta talnavandræða. Bandaríkin og Bretland skrifa 1,234.56; Þýskaland, Brasilía og mest af meginlandi Evrópu skrifa 1.234,56; Frakkar nota bil sem þúsundaskil; Svisslendingar nota oft úrfellingarmerki, eins og í 1'234.56; og á Indlandi eru tölustafir flokkaðir sem 1,23,456. Í bókhaldsskjölum eru neikvæðar tölur auk þess í svigum og gjaldmiðilstákn föst við tölustafina. Hér er hvað ber að varast og hvað lagar hvert tilvik.

Hver mínúta sem fer í inntakið sparar nokkrar í töflureikninum. OCR-vélar eru yfirleitt stilltar fyrir texta skannaðan í um 300 dpi, sem fyrir A4 eða US Letter síðu þýðir um 2480 × 3508 px eða 2550 × 3300 px. Nútímasími nær því auðveldlega ef síðan fyllir rammann, en mynd af heilli síðu tekin yfir borðið og skorin niður í litla töflu getur farið langt undir það.

Birtuskil skipta jafn miklu máli og upplausn. Kvittanir á hitapappír fölna, gráar línur á gráum bakgrunni hverfa og skuggi af símanum yfir síðuna getur klofið dálk í tvennt. Ef þú ætlar reglulega að vinna úr pappírsskjölum fjallar leiðbeiningin um að skanna skjöl í PDF nánar um lýsingu og skannastillingar. Áður en þú hleður upp skaltu fara yfir þennan lista.

Data from Picture í Excel kom í Android-appið 2019, síðan á iPhone, og er nú í Excel fyrir Microsoft 365 á Windows og Mac undir Data > From Picture. Þú ljósmyndar eða hleður inn einni töflu, ferð yfir greinda reiti í hliðarglugga sem merkir vafasöm gildi og setur þá inn. Google býður óbeinni leið: í Drive hægrismellirðu á mynd eða PDF og velur Open with > Google Docs. Hjálparsíða Google takmarkar þetta við skrár upp á 2 MB eða minna og les aðeins fyrstu 10 síður PDF-skrár, og niðurstaðan er skjal, svo taflan kemur oft sem textalínur sem þú límir í Sheets og skiptir.

Adobe Acrobat Pro flytur PDF út í Microsoft Excel-vinnubók og keyrir OCR á skannaðar síður við útflutninginn. Excel fyrir Microsoft 365 á Windows getur einnig sótt töflur úr PDF-textaskrá með Get Data > From File > From PDF, sem opnar Power Query; það listar hverja greinda töflu eftir síðu, leyfir þér að tengja mánaðarsíður yfirlits í eina töflu og uppfærist þegar þú skiptir inn skrá næsta mánaðar. Það les ekki skannanir og Excel fyrir Mac hefur ekki tengið.

Vafrabreytar sjá um afganginn án uppsetningar. Fyrir PDF-textaskrá eða skannaða PDF breytir PDF í Excel hverri greindri töflu í sérstakt blað; fyrir ljósmynd eða skjámynd skaltu umbreyta myndinni í Excel eða vista töfluna sem CSV ef annað forrit á að flytja hana inn. Taflan ber saman leiðirnar fimm.

Umbreytt tafla sem lítur rétt út er ekki enn tafla sem þú getur treyst. Byrjaðu á fjölda raða: ef yfirlitið telur 47 færslur ætti blaðið að hafa 47 gagnaraðir, ekki 46 af því að tvær línur sameinuðust eða 49 af því að löng lýsing varð að sérstakri röð. Leggðu svo saman einn talnadálk með SUM og berðu saman við heildina sem er prentuð á skjalinu. Ef skjalið hefur enga heild skaltu leggja saman nokkur gildi í höndunum og bera saman.

Leitaðu næst að reitum sem þykjast bara vera tölur. Í Excel jafnast raunverulegar tölur til hægri sjálfgefið og texti til vinstri, svo dálkur með nokkrum vinstrijöfnuðum upphæðum segir þér eitthvað; ISNUMBER í hjálparsúlu finnur þær allar í einu. Dagsetningar eiga sömu tortryggni skilið. Dagsetning lesin sem texti raðast í stafrófsröð, svo 10/02 lendir á undan 2/03, og 03/04 getur þýtt 3. apríl eða 4. mars eftir því hver skrifaði hana.

Athugaðu loks hvað týndist frekar en hvað breyttist. Langir reikningsnúmer og kortanúmer eru klassísk gildra: Excel geymir tölur með 15 marktækum stöfum, svo 16 stafa kortanúmer sem er skrifað eða flutt inn sem tala fær síðasta stafinn breyttan í núll.

Veldu XLSX þegar manneskja vinnur með gögnin í Excel, Google Sheets eða Numbers. Það heldur mörgum töflum á aðskildum blöðum, raunverulegum tölu- og dagsetningargerðum, feitum fyrirsagnaröðum og sameinuðum reitum. Veldu CSV þegar hugbúnaður flytur skrána inn: fjárhagsforrit, bókhaldskerfi, gagnagrunnar og skriftur. CSV er venjulegur texti með eina töflu í hverri skrá, lýst í RFC 4180 frá 2005, og þrjár stillingar skipta máli: skiltáknið, kóðunin og hvort tölur eru geymdar sem tölur.

Skiltáknið þarf að passa við forritið sem flytur inn; Excel í löndum sem skrifa tugabrot með kommu býst við semíkommum. Kóðunin ræður því hvort nöfn eins og Müller eða São Paulo lifa af: UTF-8 með BOM er það sem Excel fyrir Windows les rétt við tvísmell. Núll fremst eru klassískt tap. Bandarísk póstnúmer eins og 02134, starfsmannanúmer og vörukóðar eru auðkenni, ekki magn, og verða 2134 um leið og eitthvað meðhöndlar þau sem tölur. Slökktu á Vista tölur sem tölur fyrir töflur fullar af auðkennum, eða fluttu CSV inn með þessa dálka stillta sem Text.

Að draga út eina töflu er uppflettiverk; að draga út heils árs reikninga eða tólf mánaðaryfirlit banka er lítið gagnaverkefni. Haltu frumskjölunum í sömu uppsetningu þar sem hægt er og umbreyttu þeim í einni lotu svo hver skrá fái sömu stillingar. Með PDF-textaskrám geturðu hlaðið upp allt að 20 í einu, hver allt að 95 MB, og valið Allt á einu blaði í valkostinum Vinnublöð þegar færslutafla yfirlits heldur áfram yfir margar síður. Ljósmyndir umbreytast ein tafla í einu, svo fyrir bunka af pappírsreikningum er oft fljótlegra að sameina síðurnar fyrst með mynd í PDF og láta PDF pages vísa á bilið sem geymir töflurnar.

Eftir lotu skaltu tengja niðurstöðurnar saman í eitt blað með dálki sem skráir heiti upprunaskrárinnar. Ef skjölin eru aðallega texti með eina eða tvær töflur heldur að umbreyta PDF í Word málsgreinum og töflum saman í staðinn.

Bankayfirlit, launaseðlar og reikningar bera reikningsnúmer, heimilisföng og eyðslusögu, svo hugsaðu hvert þau fara. Hjá UltKit er upphleðslum og búnum skrám eytt 30 mínútum eftir vinnslu og enginn les þær. Samt er öruggasta eintakið það sem fer aldrei úr tölvunni þinni: skerðu eða huldu dálka sem þú þarft ekki, eins og fullt reikningsnúmer, áður en þú hleður upp og eyddu staðbundnum útflutningi sem þú þarft ekki lengur.