如何把圖片與 PDF 裡的表格轉成 Excel 或 CSV | UltKit

選擇工具之前，先弄清楚你手上的是哪一種表格，因為三種常見來源出錯的方式各不相同。打開 PDF，試著用游標選取單一數字。如果數字能單獨反白，這就是文字 PDF：每個字元都以文字形式存放在精確的位置，擷取的重點在於把這些字元歸到正確的列與欄。如果整頁被當成一整塊反白，或完全無法反白，那你拿到的就是表格的圖片，必須先讀取像素。

第三種情況很容易被忽略。許多從舊式會計系統、終端機程式和電子郵件內文匯出的報表看起來像表格，其實是用 Tab 或連續空格對齊的純文字，完全沒有儲存格，只有等寬字型的排版。對這種文字的螢幕截圖做 OCR，等於丟掉你本來就有的資訊；直接複製文字再分欄，既快又精確。下方卡片整理了各種來源的需求。

表格辨識是在字元已知之後進行的第二道程序。它先找出儲存格：有框線的表格會追蹤水平與垂直線，把每個封閉的方框視為一個儲存格；沒有框線的表格則尋找貫穿整個區塊高度的垂直空白間隙。接著對齊各欄，判斷一個比上方數字偏右幾個像素的數字，仍然屬於同一欄。

再來是標題列。辨識程式會尋找粗體、有底色、或是位於數字欄上方的文字所組成的第一列，並把折成兩行的標題合併成單一儲存格。最後一步是合併儲存格：像 Q1 橫跨三個月份欄的標籤，會從缺少內部線條的特徵偵測出來，然後重建為合併儲存格，或複製到它涵蓋的每一欄。

這一切都不是理解內容。軟體不知道某一欄是日期，也不知道某一列是小計，它只看得到幾何形狀與字元。這就是為什麼同一個工具處理某份對帳單毫無瑕疵，換成另一家銀行的就一團亂，也是為什麼會有 表格樣式 和 偵測標題列 這類設定：它們把辨識程式無法可靠推斷的事實直接告訴它。

大多數失敗可分為兩類。幾何失敗會破壞格線，讓數值跑到錯誤的列或欄。數字失敗則是格線完好，卻改變了儲存格的意義，這更糟，因為試算表看起來沒問題。欄位錯位一眼就看得出來；把 1.234 讀成小數而非一千二百三十四，就不容易發現。

數字問題主要來自地區習慣。美國與英國寫成 1,234.56；德國、巴西和歐洲大陸多數國家寫成 1.234,56；法國以空格作千位分隔；瑞士常用撇號，如 1'234.56；印度則以 1,23,456 的方式分組。會計文件還會用括號表示負數，貨幣符號也會緊貼數字。以下是需要留意的狀況與各自的解法。

花在原始圖片上的每一分鐘，都能在試算表中省下好幾分鐘。OCR 引擎通常針對約 300 dpi 的掃描文字調校，換算成 A4 或 US Letter 頁面，大約是 2480 × 3508 px 或 2550 × 3300 px。如果頁面填滿畫面，現代手機鏡頭輕易就能超過這個數值；但若是隔著桌子拍整頁、再裁成小表格，解析度可能遠低於此。

對比和解析度一樣重要。感熱紙收據會褪色，灰底上的灰色表格線會消失，手機在頁面上的陰影可能把一欄切成兩半。如果你經常要從紙本文件擷取，掃描文件成 PDF 的指南有更詳細的光線與掃描器設定說明。上傳之前，請先對照以下清單。

Excel 的「從圖片取得資料」於 2019 年先登上 Android 版，之後是 iPhone，現在 Windows 和 Mac 的 Microsoft 365 版 Excel 也有，位於「資料 > 從圖片」。你可以拍攝或載入一個表格，在側邊面板檢視辨識出的儲存格（有疑慮的值會被標示），然後插入。Google 的路徑較不直接：在雲端硬碟中對圖片或 PDF 按右鍵，選擇「開啟方式 > Google 文件」。Google 自己的說明頁指出，此功能限於 2 MB 以下的檔案，且 PDF 只讀取前 10 頁，結果是一份文件，所以表格常以一行行文字呈現，還得貼到試算表再分欄。

Adobe Acrobat Pro 可將 PDF 匯出為 Microsoft Excel 活頁簿，並在匯出時對掃描頁面執行 OCR。Windows 版 Microsoft 365 的 Excel 也能透過「取得資料 > 從檔案 > 從 PDF」從文字 PDF 擷取表格，這會開啟 Power Query；它依頁面列出所有偵測到的表格，讓你把對帳單每月的各頁附加成一個表格，並在你換成下個月的檔案時重新整理。它不能讀取掃描檔，而 Mac 版 Excel 沒有這個連接器。

瀏覽器上的轉換器可以處理其餘情況，不需安裝任何軟體。文字或掃描的 PDF 可用 PDF 轉 Excel，把每個偵測到的表格放進各自的工作表；照片或螢幕截圖則可將圖片轉成 Excel，若要匯入其他程式，也可以將表格存成 CSV。下表比較這五種做法。

轉換後看起來正確的表格，還不是可以信賴的表格。先從列數開始：如果對帳單列有 47 筆交易，試算表就該有 47 列資料，而不是因為兩行合併變成 46 列，或因為換行的說明自成一列而變成 49 列。接著用 SUM 加總一個數值欄，與文件上印的總額比對。如果文件沒有總額，就手動加幾個值來比對。

再來，找出只是假裝成數字的儲存格。在 Excel 中，真正的數字預設靠右對齊，文字則靠左，所以一欄裡有幾個靠左的金額就是個警訊；在輔助欄用 ISNUMBER 可以一次找出全部。日期也要同樣懷疑。被讀成文字的日期會按字母順序排序，所以 10/02 會排在 2/03 之前，而 03/04 可能是 4 月 3 日，也可能是 3 月 4 日，要看是誰寫的。

最後，檢查遺失了什麼，而不只是改變了什麼。長帳號與卡號是典型的陷阱：Excel 以 15 位有效數字儲存數字，所以以數字輸入或匯入的 16 位卡號，最後一位會變成零。

如果要由人在 Excel、Google 試算表或 Numbers 中處理資料，請選 XLSX。它能把多個表格放在不同工作表，保留真正的數字與日期類型、粗體標題列和合併儲存格。如果是由軟體匯入，例如記帳應用程式、會計軟體、資料庫和腳本，請選 CSV。CSV 是純文字，每個檔案一個表格，規範見 2005 年的 RFC 4180，重要的三項設定是分隔符號、編碼，以及是否將數字存為數值。

分隔符號必須與匯入的程式相符；在以逗號作小數點的國家，Excel 預期使用分號。編碼決定 Müller 或 São Paulo 這類名字能否保留：UTF-8 含 BOM 是 Windows 版 Excel 雙擊開啟時能正確讀取的格式。開頭的零是典型的損失。像 02134 這樣的美國 ZIP 碼、員工編號和產品代碼是識別碼，不是數量，一旦被當成數字，就會變成 2134。如果表格中滿是識別碼，請關閉 將數字存為數值，或匯入 CSV 時把那些欄位設為文字。

擷取單一表格只是查個資料；要處理一整年的發票或十二份月結銀行對帳單，就算是一個小型資料專案了。盡量讓來源文件維持相同版面，並一次轉換，這樣每個檔案都會套用相同設定。文字型 PDF 一次最多可上傳 20 個，每個最大 95 MB；如果對帳單的交易表格跨頁延續，請在工作表選項中選擇全部放在一張工作表。照片一次只能轉換一張表格圖片，所以面對一疊紙本發票，通常先用圖片轉 PDF把頁面合併起來，再把 PDF 頁面設為含有表格的範圍，會比較快。

批次轉換後，把結果附加到同一張工作表，並加一欄記錄來源檔名。如果文件大多是文字、只夾雜一兩個表格，改用PDF 轉 Word可以把段落和表格一起保留下來。

銀行對帳單、薪資單和發票都含有帳號、地址與消費紀錄，所以要留意檔案送到哪裡。在 UltKit，上傳的檔案和產生的檔案會在處理後 30 分鐘刪除，也不會有人讀取。不過最安全的副本，是完全不離開你電腦的那一份：上傳前先裁切或遮蔽不需要的欄位，例如完整帳號，並刪除不再需要的本機匯出檔。