PDFをExcelに変換

PDFには、自分が表を含んでいるという情報がありません。保存されているのは、x座標とy座標に置かれた文字の断片と、格子を描く線だけです。スプレッドシートを復元するために、コンバーターはまず同じ基準線にある断片を行としてまとめ、列を分ける縦の隙間や罫線を見つけて、各断片をセルに割り当てます。罫線のある表が最も正確に変換されます。罫線がなく配置だけで成り立つ表も変換できますが、自由な文章が入った列はずれることがあります。

形式が明確な場合、数字は数字に見える文字列ではなく数値として書き込まれます。1,250.00も1.250,00も、表全体で使われている区切り文字に従って読み取られます。日付は書かれたとおりに保持されるため、03/04が知らないうちに別の月になることはありません。

次の3点を確認しておきましょう。数値の列を1つ合計し、PDFに印刷された合計と比べます。一致すれば、行が欠けたり結合されたりしていません。幅の広い摘要からあふれた値がないか、最後の列をスクロールして確かめます。さらに、分割されたヘッダーが現れやすい各シートの1行目も見てください。

スキャンした明細書では、かすれた印字で5と6、1と7のようにOCRが取り違えやすい数字を、よく確認してください。正しい文書の言語を選ぶと、区切り文字や月の名前の判定に役立ちます。元データがPDFではなく表の写真の場合は、画像をExcelに変換ツールで直接読み取れます。