படம், PDF-லிருந்து அட்டவணையை Excel ஆக மாற்ற | UltKit

கருவியைத் தேர்ந்தெடுக்கும் முன், உங்களிடம் உள்ளது எந்த வகை அட்டவணை என்று கண்டறியுங்கள்; மூன்று பொதுவான மூலங்களும் வெவ்வேறு விதமாகத் தோல்வியடைகின்றன. PDF-ஐத் திறந்து கர்சரால் ஒரு எண்ணைத் தேர்ந்தெடுக்க முயலுங்கள். அந்த எண் தனியாக ஹைலைட் ஆனால், அது உரை PDF: ஒவ்வொரு எழுத்தும் துல்லியமான இடத்தில் உரையாகச் சேமிக்கப்பட்டிருக்கும்; பிரித்தெடுத்தல் என்பது அந்த எழுத்துகளை வரிசைகளாகவும் நெடுவரிசைகளாகவும் தொகுப்பதே. முழுப் பக்கமும் ஒரே தொகுதியாக ஹைலைட் ஆனாலோ எதுவுமே ஆகாவிட்டாலோ, அது அட்டவணையின் படம்; முதலில் பிக்சல்களை யாராவது படிக்க வேண்டும்.

மூன்றாவது வகையைத் தவறவிடுவது எளிது. பழைய கணக்கியல் அமைப்புகள், டெர்மினல் நிரல்கள், மின்னஞ்சல் உடல்களிலிருந்து வரும் பல அறிக்கைகள் அட்டவணை போலத் தெரிந்தாலும், அவை டேப் அல்லது தொடர் இடைவெளிகளால் வரிசைப்படுத்தப்பட்ட வெற்று உரையே. அதில் கலங்களே இல்லை; ஒரே அகல எழுத்து அமைப்பு மட்டுமே. அந்த உரையின் ஸ்கிரீன்ஷாட்டில் OCR ஓட்டுவது உங்களிடம் ஏற்கெனவே உள்ள தகவலை வீணாக்கும்; உரையை நகலெடுத்து நெடுவரிசைகளாகப் பிரிப்பது வேகமானதும் துல்லியமானதும். ஒவ்வொரு மூலத்துக்கும் என்ன தேவை என்பதை கீழே உள்ள அட்டைகள் சுருக்குகின்றன.

அட்டவணை கண்டறிதல் என்பது எழுத்துகள் அறியப்பட்ட பிறகு நடக்கும் இரண்டாம் கட்டம். முதலில் கலங்களைக் கண்டறியும்: கோடுகள் உள்ள அட்டவணையில் கிடைமட்ட, செங்குத்துக் கோடுகளைத் தடமறிந்து, சூழப்பட்ட ஒவ்வொரு பெட்டியையும் கலமாகக் கருதும்; கோடுகளற்ற அட்டவணையில் தொகுதியின் முழு உயரத்திலும் ஓடும் வெற்று இடைவெளிகளைத் தேடும். பிறகு நெடுவரிசைகளை ஒழுங்குபடுத்தும்; மேலே உள்ள எண்ணை விட சில பிக்சல் வலப்புறம் இருக்கும் எண்ணும் அதே நெடுவரிசையைச் சேர்ந்தது என்று முடிவு செய்யும்.

அடுத்து தலைப்பு வரிசை. தடித்த, நிழலிட்ட அல்லது எண் நெடுவரிசைகளுக்கு மேலுள்ள சொற்களால் ஆன முதல் வரிசையை அறிவான்கள் தேடும்; இரண்டு வரிகளாக மடியும் தலைப்புகளை ஒரே கலமாக இணைக்கும். இணைக்கப்பட்ட கலங்கள் கடைசிப் படி: மூன்று மாத நெடுவரிசைகளை உள்ளடக்கிய Q1 போன்ற லேபிள், உள் கோடுகள் இல்லாததால் கண்டறியப்பட்டு, இணைந்த கலமாகவோ ஒவ்வொரு நெடுவரிசையிலும் நகலாகவோ அமைக்கப்படும்.

இவை எதுவும் பொருள் புரிந்துகொள்வது அல்ல. ஒரு நெடுவரிசையில் தேதிகள் உள்ளன அல்லது ஒரு வரிசை துணைக்கூட்டுத்தொகை என்பது மென்பொருளுக்குத் தெரியாது; வடிவவியலையும் எழுத்துகளையும் மட்டுமே பார்க்கிறது. அதனால்தான் ஒரே கருவி ஒரு அறிக்கையில் குறையின்றி இருந்து, வேறொரு வங்கியின் அடுத்த அறிக்கையைக் குழப்பிவிடும்; அட்டவணை வகை, தலைப்பு வரிசையைக் கண்டறி போன்ற அமைப்புகளும் அதனால்தான் உள்ளன: நம்பகமாக ஊகிக்க முடியாத தகவலை அவை அறிவானுக்குக் கொடுக்கின்றன.

பெரும்பாலான தோல்விகள் இரு குழுக்களில் அடங்கும். வடிவவியல் தோல்விகள் கட்டத்தை உடைக்கின்றன; மதிப்புகள் தவறான வரிசை அல்லது நெடுவரிசையில் விழும். எண் தோல்விகள் கட்டத்தை அப்படியே வைத்து கலத்தின் பொருளை மாற்றுகின்றன; ஷீட் சரியாகத் தெரிவதால் இது மோசமானது. இடம் மாறிய நெடுவரிசை பார்த்தவுடன் தெரியும்; ஆனால் 1.234 ஆயிரமாக இல்லாமல் தசமமாகப் படிக்கப்பட்டதை கவனிக்க முடியாது.

எண் சிக்கல்களுக்கு முக்கிய காரணம் மொழி-பிராந்திய வழக்கம். அமெரிக்கா, இங்கிலாந்து 1,234.56 என எழுதுகின்றன; ஜெர்மனி, பிரேசில், ஐரோப்பாவின் பெரும்பகுதி 1.234,56 என எழுதுகின்றன; பிரான்ஸ் ஆயிரம் பிரிப்பானாக இடைவெளியைப் பயன்படுத்துகிறது; சுவிட்சர்லாந்து பெரும்பாலும் 1'234.56 போல அப்போஸ்ட்ரபியைப் பயன்படுத்துகிறது; இந்தியாவில் இலக்கங்கள் 1,23,456 என தொகுக்கப்படுகின்றன. கணக்கியல் ஆவணங்களில் அடைப்புக்குறிக்குள் எதிர்மறை எண்களும் இலக்கங்களுடன் ஒட்டிய நாணயக் குறியீடுகளும் வரும். என்ன கவனிக்க வேண்டும், ஒவ்வொன்றுக்கும் தீர்வு என்ன என்பது இங்கே.

உள்ளீட்டுக்குச் செலவிடும் ஒவ்வொரு நிமிடமும் ஸ்ப்ரெட்ஷீட்டில் பல நிமிடங்களைச் சேமிக்கும். OCR இயந்திரங்கள் பொதுவாக சுமார் 300 dpi-இல் ஸ்கேன் செய்த உரைக்காக அமைக்கப்படுகின்றன; A4 அல்லது US Letter பக்கத்துக்கு இது தோராயமாக 2480 × 3508 px அல்லது 2550 × 3300 px. பக்கம் ஃபிரேமை நிரப்பினால் நவீன ஃபோன் கேமரா இதை எளிதாகத் தாண்டும்; ஆனால் மேசையின் மறுபக்கத்திலிருந்து முழுப் பக்கத்தை எடுத்து சிறிய அட்டவணையாக க்ராப் செய்தால் தெளிவு இதற்கும் கீழே குறையலாம்.

தெளிவுத்திறனைப் போலவே மாறுபாடும் முக்கியம். தெர்மல் காகித ரசீதுகள் மங்கிவிடும், சாம்பல் பின்னணியில் சாம்பல் கோடுகள் மறைந்துவிடும், பக்கத்தின் மீது விழும் ஃபோன் நிழல் ஒரு நெடுவரிசையை இரண்டாக வெட்டிவிடலாம். காகித ஆவணத்திலிருந்து அடிக்கடி எடுப்பவராக இருந்தால், வெளிச்சம், ஸ்கேனர் அமைப்புகள் பற்றிய விவரங்களுக்கு ஆவணங்களை PDF ஆக ஸ்கேன் செய்வது வழிகாட்டியைப் பாருங்கள். பதிவேற்றும் முன் இந்தப் பட்டியலைச் சரிபாருங்கள்.

Excel-இன் Data from Picture வசதி 2019-இல் Android செயலியில் வந்தது, பிறகு iPhone-இல் வந்தது; இப்போது Windows, Mac-க்கான Microsoft 365 Excel-இல் Data > From Picture என்ற இடத்தில் உள்ளது. ஒரு அட்டவணையைப் போட்டோ எடுத்து அல்லது ஏற்றி, சந்தேகமான மதிப்புகளைக் குறிக்கும் பக்கப் பலகத்தில் அடையாளம் காணப்பட்ட செல்களைச் சரிபார்த்து, பின்னர் செருகலாம். Google-இல் நேரடியற்ற வழி உள்ளது: Drive-இல் படம் அல்லது PDF மீது வலது கிளிக் செய்து Open with > Google Docs என்பதைத் தேர்வு செய்யவும். Google-இன் உதவிப் பக்கம் இதை 2 MB அல்லது அதற்குக் குறைவான கோப்புகளுக்கு மட்டுமே வரையறுக்கிறது; PDF-இன் முதல் 10 பக்கங்களை மட்டுமே படிக்கும். முடிவு ஒரு ஆவணமாக வருவதால், அட்டவணை பெரும்பாலும் உரை வரிகளாக வரும்; அவற்றை Sheets-இல் ஒட்டிப் பிரிக்க வேண்டும்.

Adobe Acrobat Pro, PDF-ஐ Microsoft Excel பணிப்புத்தகமாக ஏற்றுமதி செய்கிறது; ஸ்கேன் செய்த பக்கங்களுக்கு ஏற்றுமதியின்போது OCR-ஐயும் இயக்குகிறது. Windows-இல் Microsoft 365 Excel, Get Data > From File > From PDF மூலம் உரை PDF-இலிருந்தும் அட்டவணைகளை எடுக்க முடியும்; இது Power Query-ஐத் திறக்கும். கண்டறிந்த ஒவ்வொரு அட்டவணையையும் பக்கவாரியாகப் பட்டியலிடும், ஒரு கணக்கு அறிக்கையின் மாதாந்திரப் பக்கங்களை ஒரே அட்டவணையாக இணைக்கலாம், அடுத்த மாதக் கோப்பை மாற்றினால் புதுப்பிக்கும். ஆனால் இது ஸ்கேன்களைப் படிக்காது; Mac-க்கான Excel-இல் இந்த இணைப்பி இல்லை.

எதையும் நிறுவாமல் மற்றதை உலாவி மாற்றிகள் பார்த்துக்கொள்கின்றன. உரை அல்லது ஸ்கேன் PDF-க்கு PDF to Excel கண்டறிந்த ஒவ்வொரு அட்டவணையையும் தனித் தாளாக மாற்றும்; போட்டோ அல்லது ஸ்கிரீன்ஷாட்டுக்கு படத்தை Excel ஆக மாற்றவும், அல்லது வேறு நிரல் இறக்குமதி செய்யப்போகிறதென்றால் அட்டவணையை CSV ஆகச் சேமிக்கவும். அட்டவணை ஐந்து வழிகளையும் ஒப்பிடுகிறது.

சரியாகத் தெரியும் மாற்றப்பட்ட அட்டவணை, நம்பக்கூடிய அட்டவணை என்று ஆகிவிடாது. வரிசை எண்ணிக்கையிலிருந்து தொடங்குங்கள்: அறிக்கையில் 47 பரிவர்த்தனைகள் இருந்தால், தாளில் 47 தரவு வரிசைகள் இருக்க வேண்டும்; இரண்டு வரிகள் இணைந்து 46 ஆகவோ, மடங்கிய விளக்கம் தனி வரிசையாகி 49 ஆகவோ இருக்கக்கூடாது. பிறகு ஒரு எண் நெடுவரிசையை SUM மூலம் கூட்டி, ஆவணத்தில் அச்சிட்ட மொத்தத்துடன் ஒப்பிடுங்கள். ஆவணத்தில் மொத்தம் இல்லையென்றால், சில மதிப்புகளைக் கையால் கூட்டி ஒப்பிடுங்கள்.

அடுத்து, எண்கள் போல் நடிக்கும் செல்களைத் தேடுங்கள். Excel-இல் உண்மையான எண்கள் இயல்பாக வலப்பக்கமும், உரை இடப்பக்கமும் சீரமையும்; எனவே சில தொகைகள் இடப்பக்கம் இருந்தால் அது ஒரு எச்சரிக்கை. உதவி நெடுவரிசையில் ISNUMBER பயன்படுத்தி அவை அனைத்தையும் ஒரே நேரத்தில் கண்டறியலாம். தேதிகளிலும் இதே சந்தேகம் தேவை. உரையாகப் படிக்கப்பட்ட தேதி அகர வரிசையில் வரிசைப்படும்; அதனால் 10/02, 2/03-க்கு முன் வரும். 03/04 என்பது எழுதியவரைப் பொறுத்து 3 ஏப்ரல் அல்லது 4 மார்ச் ஆகலாம்.

இறுதியாக, மாறியதைவிட இழந்ததைச் சரிபாருங்கள். நீண்ட கணக்கு, கார்டு எண்கள் ஒரு பழைய பொறி: Excel எண்களை 15 முக்கிய இலக்கங்களுடன் சேமிக்கிறது; எனவே எண்ணாகத் தட்டச்சு செய்த அல்லது இறக்குமதி செய்த 16 இலக்க கார்டு எண்ணின் கடைசி இலக்கம் பூஜ்ஜியமாகிவிடும்.

ஒருவர் Excel, Google Sheets அல்லது Numbers-இல் தரவுடன் வேலை செய்யப்போகிறார் என்றால் XLSX தேர்வு செய்யுங்கள். இது பல அட்டவணைகளைத் தனித் தாள்களில், உண்மையான எண், தேதி வகைகள், தடித்த தலைப்பு வரிசைகள், இணைந்த செல்களுடன் வைத்திருக்கும். மென்பொருள் இறக்குமதி செய்யப்போகிறதென்றால் CSV தேர்வு செய்யுங்கள்: பட்ஜெட் செயலிகள், கணக்கியல் தொகுப்புகள், தரவுத்தளங்கள், ஸ்கிரிப்ட்கள். CSV என்பது ஒரு கோப்புக்கு ஒரு அட்டவணை கொண்ட எளிய உரை; இது 2005-இன் RFC 4180-இல் விவரிக்கப்பட்டுள்ளது. முக்கியமான மூன்று அமைப்புகள்: பிரிப்பான், குறியாக்கம், எண்கள் எண்களாகச் சேமிக்கப்படுகிறதா என்பது.

பிரிப்பான், இறக்குமதி செய்யும் நிரலுடன் பொருந்த வேண்டும்; தசமத்தைக் காற்புள்ளியால் எழுதும் நாடுகளில் Excel அரைப்புள்ளிகளை எதிர்பார்க்கும். Müller, São Paulo போன்ற பெயர்கள் தப்புமா என்பதை குறியாக்கம் முடிவு செய்யும்: இரட்டைக் கிளிக்கில் Windows Excel சரியாகப் படிப்பது BOM உடன் UTF-8. முன்னணிப் பூஜ்ஜியங்கள் இழப்பது பழைய சிக்கல். 02134 போன்ற அமெரிக்க ZIP குறியீடுகள், ஊழியர் ID-கள், பொருள் குறியீடுகள் அளவுகள் அல்ல, அடையாளங்கள்; எதுவும் அவற்றை எண்களாகக் கருதினால் 2134 ஆகிவிடும். ID-கள் நிறைந்த அட்டவணைகளுக்கு எண்களை எண்களாகவே சேமி என்பதை அணைக்கவும், அல்லது CSV-ஐ அந்த நெடுவரிசைகளை Text ஆக அமைத்து இறக்குமதி செய்யவும்.

ஒரு அட்டவணையை எடுப்பது ஒரு தேடல்; ஓர் ஆண்டின் இன்வாய்ஸ்கள் அல்லது பன்னிரண்டு மாதக் கணக்கு அறிக்கைகளை எடுப்பது சிறிய தரவுத் திட்டம். முடிந்தவரை மூல ஆவணங்களை ஒரே அமைப்பில் வைத்து, ஒவ்வொரு கோப்புக்கும் ஒரே அமைப்புகள் கிடைக்க ஒரே முறையில் மாற்றுங்கள். உரை PDF-களுக்கு, ஒவ்வொன்றும் 95 MB வரை, ஒரு நேரத்தில் 20 வரை பதிவேற்றலாம்; ஒரு அறிக்கையின் பரிவர்த்தனை அட்டவணை பல பக்கங்களுக்குத் தொடர்ந்தால் ஷீட்கள் விருப்பத்தில் அனைத்தும் ஒரே தாளில் என்பதைத் தேர்வு செய்யுங்கள். போட்டோக்கள் ஒரு நேரத்தில் ஒரு அட்டவணைப் படமாகவே மாறும்; எனவே அச்சிட்ட இன்வாய்ஸ்கள் குவியலுக்கு முதலில் image to PDF மூலம் பக்கங்களை இணைத்து, அட்டவணைகள் உள்ள வரம்பை PDF பக்கங்கள் என்பதில் குறிப்பிடுவது பெரும்பாலும் விரைவானது.

தொகுப்புக்குப் பிறகு, முடிவுகளை மூலக் கோப்புப் பெயரைப் பதிவு செய்யும் நெடுவரிசையுடன் ஒரே தாளில் சேர்த்துவிடுங்கள். ஆவணங்கள் பெரும்பாலும் உரையாக இருந்து ஓரிரு அட்டவணைகள் மட்டும் இருந்தால், PDF-ஐ Word ஆக மாற்றுவது பத்திகளையும் அட்டவணைகளையும் ஒன்றாக வைத்திருக்கும்.

வங்கி அறிக்கைகள், சம்பளச் சீட்டுகள், இன்வாய்ஸ்களில் கணக்கு எண்கள், முகவரிகள், செலவு வரலாறு இருக்கும்; அவை எங்கு செல்கின்றன என்பதை யோசியுங்கள். UltKit-இல் பதிவேற்றங்களும் உருவாக்கிய கோப்புகளும் செயலாக்கத்துக்கு 30 நிமிடங்களுக்குப் பிறகு நீக்கப்படும்; யாரும் படிப்பதில்லை. அப்படியிருந்தும், உங்கள் கணினியை விட்டு வெளியே போகாத நகலே பாதுகாப்பானது: பதிவேற்றுவதற்கு முன் முழு கணக்கு எண்கள் போன்ற தேவையற்ற நெடுவரிசைகளை வெட்டுங்கள் அல்லது மறையுங்கள்; தேவையில்லாத உள்ளூர் ஏற்றுமதிகளை நீக்குங்கள்.