Langkau ke kandungan
Artikel

Cara mengekstrak jadual daripada PDF ke Excel

PDF ke Excel: helaian yang terdapat dalam buku kerja yang dimuat turun, perbezaan tiga mod pengesanan dalam amalan, dan sebab mod longgar menemui lebih banyak jadual tetapi memecahkan perkataan.

Ringkasnya: Untuk memindahkan jadual daripada PDF ke Excel, buka PDF ke Excel dalam talian dan biarkan pengesanan pada mod auto. Buku kerja mengandungi helaian kandungan, helaian teks, imej setiap halaman, dan satu helaian berasingan berisi sel sebenar bagi setiap jadual yang ditemui.

Kelompok

panduan langkah demi langkah

panduan langkah demi langkah: PDF guidance for reliable document processing and quality checks.

13 artikel

Alat utama

PDF ke Excel dalam talian

Buka alat yang dipautkan dalam artikel ini untuk melaksanakan tugasan dalam bahasa yang sedang anda gunakan.

Buka alat

Kandungan

Cara memindahkan jadual daripada PDF ke Excel

Sesebuah laporan mengandungi jadual, dan angkanya perlu dikira semula, bukan ditaip semula. Alat ini melakukan lebih daripada yang disiratkan oleh namanya: ia bukan sekadar mencurahkan teks, tetapi menyusun buku kerja yang terdiri daripada beberapa helaian dengan fungsi yang berbeza. Memahami cara buku kerja itu disusun sangat berguna sebelum anda menjalankannya buat kali pertama.

Kandungan fail yang dimuat turun

Hasilnya bukan satu helaian data. Ia ialah buku kerja yang helaiannya mempunyai peranan berlainan.

HelaianKandungannya
KandunganIndeks halaman dengan pautan ke helaian lain
TeksTeks dokumen, satu baris bagi setiap halaman
Halaman NImej seluruh halaman PDF
Jadual N.MSatu jadual yang dikesan, dalam bentuk sel sebenar

Baris terakhir ialah tujuan utama keseluruhan proses ini. Helaian jadual mengandungi data yang boleh anda letakkan formula. Imej halaman dan helaian teks pula sebagai langkah berjaga-jaga sekiranya ada jadual yang tidak dikesan: kandungan dokumen tetap ada di hadapan anda.

Helaian kandungan berfungsi seperti jadual kandungan buku: nombor halaman, pautan ke helaian halaman itu, dan baris pertama teksnya sebagai panduan. Pautan itu hanya berpindah di dalam buku kerja.

Tiga mod pengesanan

Parameter pengesanan mengubah cara alat ini mencari sempadan sel, dan ia mempengaruhi hasil lebih daripada tetapan lain.

ModCara ia menemui jadualKandungan buku kerja
AutoBerdasarkan garisan jadualSemua helaian, termasuk helaian teks
KetatBerdasarkan garisan, dengan syarat yang keras tentang persilangan garisanTiada helaian teks langsung
LonggarBerdasarkan kedudukan teks, tanpa bergantung pada garisanSemua helaian, ditambah seluruh teks halaman dalam komen sel

Auto ialah mod lalai. Mod ketat bukan sekadar lebih cerewet tentang garisan: ia membuang helaian teks daripada buku kerja sehingga hanya jadual dan imej yang tinggal. Ini wajar apabila hasilnya akan diproses lagi dan helaian tambahan hanya mengganggu.

Mod longgar ialah satu-satunya mod yang dapat melihat jadual tanpa garisan. Ada harga yang perlu dibayar, dan harganya tinggi.

Ia mempunyai kesan sampingan yang kadangkala lebih berguna daripada fungsi utamanya: dalam mod longgar, seluruh teks halaman turut dimasukkan ke dalam komen yang dilekatkan pada sel pertama helaian imej. Halakan kursor ke komen itu untuk melihat kandungan halaman tanpa beralih ke helaian teks.

Hasil pengukuran

Subjek ujian ialah dokumen yang halaman pertamanya mempunyai dua jadual: satu dengan garisan jadual, satu lagi tanpa garisan, hanya lajur yang sejajar.

Mod auto dan ketat hanya menemui jadual pertama, dan memindahkannya dengan sempurna: tiga baris, tiga lajur, semua nilai pada tempatnya.

Mod longgar menemui kedua-duanya, tetapi menggabungkannya menjadi satu grid dan memecahkan perkataan antara lajur. Perkataan "Region" menjadi dua sel, "Re" dan "gion". "North" bertukar menjadi "No" dan "rth". Nombor 900 terpecah menjadi "9" dan "00". Baris kosong muncul di antara baris data.

Kesimpulan praktikalnya: mulakan dengan mod auto. Jika tiada jadual ditemui dan dokumen memang tidak mempunyai garisan, tukar kepada mod longgar, tetapi sediakan masa untuk menyusunnya sendiri. Ia memberi bahan mentah, bukan hasil siap.

Sebaliknya, jika jadual dalam PDF dilukis dengan garisan dan hasilnya masih kosong, masalahnya bukan pada mod. Kemungkinan besar dokumen itu tidak mempunyai lapisan teks.

Cara memindahkan jadual

1. Buka PDF ke Excel dalam talian dan muat naik dokumen. 2. Biarkan pengesanan pada mod auto untuk percubaan pertama. 3. Jalankan tugas dan muat turun buku kerja. 4. Buka helaian kandungan dan lompat ke helaian jadual. 5. Semak nombor pada beberapa baris dengan imej halaman pada helaian bersebelahan. 6. Jika tiada jadual ditemui, ulang dalam mod longgar.

Langkah kelima wujud justeru kerana imej halaman berada dalam buku kerja yang sama. Menyemak hasil dengan dokumen asal tidak pernah memerlukan anda keluar dari Excel.

Sel yang digabungkan dan pengisihan

Suis penggabungan dihidupkan secara lalai. Ia berkaitan dengan sel yang merentangi beberapa lajur dalam jadual sumber: apabila dihidupkan, sel itu dipulihkan sebagai julat gabungan yang sebenar, lalu rupanya sama dengan yang asal.

Apabila dimatikan, sel sedemikian dipecahkan menjadi sel biasa: nilai kekal pada sel pertama, selebihnya kosong.

Pilih mengikut apa yang anda rancang untuk data itu.

Jika jadual hanya akan dibaca dan dicetak, biarkan penggabungan hidup: hasilnya sama dengan yang asal.

Jika data akan diisih, ditapis atau dijadikan jadual pangsi, matikannya. Excel enggan mengisih julat yang mengandungi sel yang digabungkan dan menuntut semuanya dijadikan saiz yang sama. Membuka gabungan secara manual selepas itu mengambil masa lebih lama daripada menukar suis tersebut terlebih dahulu.

Sebab fail lebih besar daripada jangkaan

Setiap halaman PDF masuk ke dalam buku kerja sebagai helaian tersendiri yang membawa imej bersaiz penuh, dirender pada resolusi hampir dua kali ganda. Imej-imej itu hampir keseluruhan berat hasilnya.

Pada dokumen ujian yang kecil, perbezaannya amat ketara: PDF sumber seberat 2 KB dan buku kerjanya sekitar 45 KB. Pada laporan sebenar, saiznya mencecah megabait, dan ia meningkat mengikut bilangan halaman, bukan bilangan jadual.

Jika hanya data yang penting dan imej mengganggu, helaian yang tidak diperlukan boleh dipadam dalam Excel dengan beberapa langkah, dan fail mengecil apabila disimpan.

Imbasan dan jadual tanpa lapisan teks

Alat ini membaca teks, bukan mengecamnya. Bagi alat ini, jadual yang diimbas ialah gambar: imej halaman akan ada dalam buku kerja, helaian teks akan kosong, dan tiada mod yang dapat menemui sebarang jadual.

Penyelesaiannya dilakukan sebelum penukaran: proses fail melalui OCR PDF dalam talian, dapatkan lapisan teks, kemudian tukar kepada hamparan. Urutan sebaliknya tidak berguna, kerana tiada lagi yang tinggal untuk dikecam oleh Excel.

Trik yang sama membantu pada dokumen yang teksnya ada tetapi senget: halaman yang difoto pada sudut dikecam dengan lebih teruk daripada halaman yang lurus, dan meluruskannya sebelum pengecaman mengubah hasilnya dengan ketara.

Had, amaran dan alat berkaitan

Jika pengesanan jadual gagal pada sesuatu halaman, tugas tidak terhenti. Buku kerja tetap diterima secara lengkap dan respons membawa amaran yang menamakan halaman itu: tiada jadual akan datang daripadanya, tetapi imej dan teks kekal. Perkara yang sama terpakai untuk halaman yang teksnya tidak dapat dibaca.

Dokumen yang dilindungi kata laluan untuk dibuka tidak boleh diproses; alihkan perlindungan dengan Buka kunci PDF dalam talian. Kata laluan yang hanya menyekat pencetakan atau penyalinan tidak mengganggu pengekstrakan jadual.

Apabila satu halaman mengandungi beberapa jadual, setiap satu mendapat helaiannya sendiri yang dinamakan mengikut nombor halaman dan kedudukan jadual padanya. Excel menghadkan panjang nama helaian, jadi label yang panjang dipendekkan dan nama yang bertindih dibezakan dengan akhiran angka.

Jika yang anda perlukan daripada dokumen ialah teks untuk disunting, bukan jadual, gunakan PDF ke Word dalam talian dalam mod mengalir: pengesan jadual yang sama memindahkannya sebagai jadual Word yang sebenar di situ. Dan untuk menukar buku kerja yang siap kembali kepada PDF, gunakan Excel ke PDF dalam talian.

Penulis

Disediakan oleh pasukan iHatePDF; perkhidmatan ini diuruskan oleh Sergey Gagin.

Tentang projek

Soalan Lazim

Semak dahulu sama ada jadual itu mempunyai garisan: mod auto dan ketat mencari sempadan sel mengikut garisan. Jadual tanpa garisan hanya kelihatan kepada mod longgar. Jika garisan ada dan hasilnya masih kosong, kemungkinan besar dokumen tidak mempunyai lapisan teks dan memerlukan OCR.
Ia bergantung pada kedudukan teks, bukan garisan, jadi ia boleh memecahkan perkataan atau nombor antara lajur. Ia memberi bahan untuk disusun sendiri, bukan jadual yang siap.
Kerana sel yang digabungkan: suis penggabungan dihidupkan secara lalai dan memulihkan sel yang merentangi beberapa lajur. Jika data akan diisih atau dijadikan jadual pangsi, matikannya sebelum pemprosesan.
Setiap halaman PDF masuk sebagai helaian tersendiri yang membawa imej bersaiz penuh. Imej-imej itu hampir keseluruhan berat fail. Jika hanya data yang penting, padam helaian yang tidak diperlukan dalam Excel dan fail akan mengecil apabila disimpan.
Fail hanya digunakan untuk operasi yang dipilih dan dipadam secara automatik selepas pemprosesan selesai. Kami tidak menggunakan dokumen yang dimuat naik untuk melatih model AI.

Lagi daripada kelompok ini

Alat berkaitan

← Semua alat Penukaran

Apa yang perlu dilakukan seterusnya

Jika anda perlukan langkah praktikal seterusnya atau maklumat tentang perkhidmatan, buka salah satu halaman ini.

Semua alat

Katalog alat PDF untuk mencantum, memampat, memisah, menukar, memutar, melindungi dan membuka kunci fail secara dalam talian dalam talian.

Soalan Lazim

Dapatkan jawapan tentang akaun iHatePDF, pemprosesan fail, had muat naik, akses mudah alih, privasi dan tindakan apabila alat PDF memaparkan ralat.

Hubungi

Hubungi iHatePDF tentang ralat pemprosesan, pemilihan alat, keselamatan, pertanyaan perniagaan dan cadangan ciri baharu.