Naar de inhoud
Artikel

Tabellen uit PDF naar Excel halen

PDF naar Excel: welke bladen in de gedownloade werkmap staan, hoe de drie detectiemodi in de praktijk verschillen en waarom de losse modus meer tabellen vindt maar woorden opbreekt.

Kort gezegd: Wil je tabellen uit een PDF in Excel krijgen, open dan PDF naar Excel en laat de detectie op automatisch staan. De werkmap bevat een inhoudsblad, een tekstblad, een afbeelding van elke pagina en een apart blad met echte cellen voor elke gevonden tabel.

Cluster

stap-voor-stapgids

stap-voor-stapgids: PDF guidance for reliable document processing and quality checks.

Artikelen: 13

Hoofdtool

PDF naar Excel online

Open de tool uit dit artikel en voer de bewerking uit in de huidige taal.

Tool openen

Inhoudsopgave

Tabellen uit een PDF naar Excel overzetten

Een rapport bevat een tabel, en die moet je doorrekenen in plaats van overtypen. De tool doet daarvoor meer dan de naam doet vermoeden: hij dumpt niet alleen tekst, maar bouwt een werkmap met meerdere bladen die elk een eigen taak hebben. Het loont om te begrijpen hoe die werkmap in elkaar zit voordat je de eerste keer start.

Wat er echt in het gedownloade bestand zit

Het resultaat is niet één blad met gegevens. Het is een werkmap waarvan de bladen verschillende rollen hebben.

BladWat erop staat
InhoudEen index van pagina’s met koppelingen naar de andere bladen
TekstDe tekst van het document, één rij per pagina
Pagina NEen afbeelding van de hele PDF-pagina
Tabel N.MEen gedetecteerde tabel als echte cellen

De laatste rij is waar het om draait. Op de tabelbladen staan gegevens waar je formules op kunt zetten. De paginaafbeeldingen en het tekstblad zijn een vangnet voor het geval een tabel niet is herkend: de inhoud blijft in elk geval binnen handbereik.

Het inhoudsblad werkt als een inhoudsopgave: het paginanummer, een koppeling naar het blad van die pagina en de eerste regel van de tekst ter oriëntatie. De koppelingen springen binnen de werkmap.

Drie detectiemodi

De parameter voor detectie verandert hoe de tool de celgrenzen zoekt, en dat heeft meer invloed op het resultaat dan wat dan ook.

ModusHoe een tabel wordt gevondenWat de werkmap bevat
AutomatischAan de hand van de lijnenAlle bladen, ook het tekstblad
StriktAan de hand van lijnen, met harde eisen aan hoe ze elkaar kruisenHelemaal geen tekstblad
LosAan de hand van waar de tekst staat, zonder op lijnen te vertrouwenAlle bladen, plus de volledige paginatekst in een celopmerking

Automatisch is de standaard. Strikt is niet alleen kieskeuriger over lijnen: die modus laat het tekstblad uit de werkmap weg, zodat alleen de tabellen en de afbeeldingen overblijven. Dat is handig als het resultaat verder wordt verwerkt en overbodige bladen in de weg zitten.

Los is de enige modus die tabellen zonder lijnen ziet. Dat heeft een prijs, en die is hoog.

Er zit een bijeffect aan dat soms nuttiger is dan het hoofddoel: in de losse modus komt de volledige tekst van de pagina ook terecht in een opmerking bij de eerste cel van het afbeeldingsblad. Als je er met de muis overheen gaat, zie je de inhoud van de pagina zonder naar het tekstblad te wisselen.

Wat de meting liet zien

Als testdocument diende een bestand met op de eerste pagina twee tabellen: één met lijnen, de andere zonder, alleen uitgelijnde kolommen.

Automatisch en strikt vonden alleen de eerste en namen die foutloos over: drie rijen, drie kolommen, de waarden op hun plek.

Los vond ze allebei, maar goot ze samen in één raster en brak onderweg woorden over kolommen heen. Het woord ‘Region’ werd twee cellen, ‘Re’ en ‘gion’. ‘North’ werd ‘No’ en ‘rth’. Het getal 900 werd gesplitst in ‘9’ en ‘00’. Tussen de gegevensrijen verschenen lege rijen.

De praktische conclusie: begin met automatisch. Wordt er geen tabel gevonden en heeft het document echt geen lijnen, schakel dan over op los, maar reken erop dat je de tabel met de hand moet samenstellen. Je krijgt ruw materiaal, geen afgewerkt resultaat.

En andersom: als de tabel in de PDF met lijnen is getekend en het resultaat toch leeg blijft, ligt het niet aan de modus. Waarschijnlijk heeft het document geen tekstlaag.

Zo zet je de tabel over

1. Open PDF naar Excel online en upload het document. 2. Laat de detectie bij de eerste poging op automatisch staan. 3. Start de taak en download de werkmap. 4. Open het inhoudsblad en spring naar de tabelbladen. 5. Controleer de cijfers in een paar rijen aan de hand van de paginaafbeelding op het blad ernaast. 6. Zijn er geen tabellen verschenen, probeer het dan opnieuw in de losse modus.

Stap vijf bestaat juist omdat de paginaafbeelding in dezelfde werkmap zit. Het overgenomen resultaat met het origineel vergelijken kan zonder Excel te verlaten.

Samengevoegde cellen en sorteren

De schakelaar voor samenvoegen staat standaard aan. Hij gaat over cellen die in de brontabel meerdere kolommen beslaan: als hij aan staat, worden ze hersteld als echte samengevoegde bereiken, zodat het resultaat eruitziet als het origineel.

Als hij uit staat, worden zulke cellen opgesplitst in gewone cellen: de waarde blijft in de eerste staan, de rest wordt leeg.

Kies op basis van wat je met de gegevens wilt doen.

Als de tabel alleen gelezen en afgedrukt wordt, laat samenvoegen dan aan: het resultaat komt overeen met het origineel.

Als de gegevens gesorteerd, gefilterd of in een draaitabel gezet worden, zet de schakelaar dan uit. Excel weigert een bereik met samengevoegde cellen te sorteren en eist dat ze allemaal even groot zijn. Samenvoegingen achteraf met de hand ongedaan maken kost meer tijd dan vooraf de schakelaar omzetten.

Waarom het bestand zwaarder is dan verwacht

Elke PDF-pagina komt als een eigen blad in de werkmap, met een afbeelding op volledige grootte die met bijna dubbele resolutie is weergegeven. Die afbeeldingen vormen vrijwel het hele gewicht van het resultaat.

Bij een klein testdocument is het verschil extra goed te zien: de bron-PDF woog 2 KB en de werkmap kwam uit op ongeveer 45 KB. Bij echte rapporten loopt het op tot megabytes, en het groeit met het aantal pagina’s, niet met het aantal tabellen.

Als alleen de gegevens ertoe doen en de afbeeldingen in de weg zitten, verwijder je de overbodige bladen in Excel in een paar stappen, en het bestand wordt kleiner zodra je het opslaat.

Een scan en een tabel zonder tekstlaag

De tool leest tekst, hij herkent hem niet. Een gescande tabel is voor hem een plaatje: de paginaafbeelding staat in de werkmap, het tekstblad is leeg en geen enkele modus vindt tabellen.

De oplossing komt vóór de conversie: haal het bestand eerst door Herken tekst in een scan met OCR, zodat je een tekstlaag krijgt, en converteer daarna pas naar een werkblad. De omgekeerde volgorde heeft geen zin, want dan valt er voor Excel niets meer te herkennen.

Dezelfde aanpak helpt bij documenten waarvan de tekst er wel is maar scheef staat: een pagina die onder een hoek is gefotografeerd, wordt slechter herkend dan een rechte, en rechtzetten vóór de herkenning maakt merkbaar verschil.

Beperkingen, waarschuwingen en verwante tools

Mislukt de tabeldetectie op een bepaalde pagina, dan loopt de taak niet vast. De werkmap komt compleet aan en het antwoord bevat een waarschuwing met die pagina’s: er komen geen tabellen van, maar de afbeelding en de tekst blijven. Hetzelfde geldt voor pagina’s waarvan de tekst niet gelezen kon worden.

Een document met een wachtwoord om te openen kan niet worden verwerkt; haal de beveiliging eraf met PDF ontgrendelen online. Een wachtwoord dat alleen afdrukken of kopiëren beperkt, staat het uitlezen van tabellen niet in de weg.

Als een pagina meerdere tabellen bevat, krijgt elke tabel een eigen blad, genoemd naar het paginanummer en de positie van de tabel op die pagina. Excel beperkt de lengte van bladnamen, dus lange namen worden ingekort en dubbele namen krijgen een cijfer als achtervoegsel.

Heb je uit het document tekst nodig om te bewerken in plaats van tabellen, dan is dat PDF naar Word online in de modus met doorlopende tekst: dezelfde tabeldetector zet ze daar over als echte Word-tabellen. En om de afgewerkte werkmap weer in een PDF om te zetten is er Excel naar PDF online.

Auteur

Opgesteld door het serviceteam; Sergey Gagin is verantwoordelijk voor de dienst

Over het project

Veelgestelde vragen

Controleer eerst of de tabel lijnen heeft: automatisch en strikt zoeken de celgrenzen langs de lijnen. Een tabel zonder lijnen ziet alleen de losse modus. Zijn er wel lijnen en blijft het resultaat toch leeg, dan heeft het document waarschijnlijk geen tekstlaag en is OCR nodig.
Die gaat uit van waar de tekst staat in plaats van van lijnen, en kan daardoor woorden of getallen over kolommen heen opbreken. Je krijgt materiaal om met de hand samen te stellen, geen afgewerkte tabel.
Dat komt door samengevoegde cellen: de schakelaar voor samenvoegen staat standaard aan en herstelt cellen die meerdere kolommen beslaan. Worden de gegevens gesorteerd of in een draaitabel gezet, zet de schakelaar dan uit voordat je het bestand verwerkt.
Elke PDF-pagina komt als een eigen blad met een afbeelding op volledige grootte in de werkmap, en die afbeeldingen vormen vrijwel het hele gewicht. Als alleen de gegevens ertoe doen, verwijder je de overbodige bladen in Excel en wordt het bestand kleiner zodra je het opslaat.
Bestanden worden alleen gebruikt voor de gekozen bewerking en na afloop van de verwerking automatisch verwijderd. We gebruiken geüploade documenten niet om AI-modellen te trainen.

Meer uit dit cluster

Verwante tools

← Alle tools in Converteren

Wat nu?

Heb je na het lezen een praktische vervolgstap of uitleg over de dienst nodig, open dan deze pagina's.

Alle tools

Catalogus met PDF-tools: voeg PDF's samen, comprimeer, splits, converteer, roteer, beveilig en ontgrendel ze online, online.

Veelgestelde vragen

Antwoorden over iHatePDF-accounts, bestandsverwerking, uploadlimieten, mobiel gebruik, privacy en wat je doet als een pdf-tool een foutmelding geeft.

Contact

Neem contact op met iHatePDF over verwerkingsfouten, het kiezen van een tool, beveiliging, zakelijke vragen en suggesties voor nieuwe functies.