如何把 PDF 中的表格提取到 Excel
簡而言之: 要把 PDF 中的表格轉到 Excel,請開啟 PDF 轉 Excel 工具,偵測保持自動。活頁簿包含一個目錄工作表、一個文字工作表、每頁的影像,以及每張偵測到的表格各自一個真實儲存格工作表。
專區
操作指南
操作指南: PDF guidance for reliable document processing and quality checks.
主要工具
線上 PDF 轉 Excel
從本文開啟工具,使用目前的語言完成操作。
開啟工具目錄
如何把 PDF 中的表格轉到 Excel
報表裡有一張表格,需要重新計算,而不是重新錄入。這個工具能做的比名字顯示的更多:它不只是把文字倒出來,而是生成一個包含多個工作表的活頁簿,每個工作表各有分工。先弄清楚這個活頁簿是怎麼組成的,第一次執行之前會省不少事。
下載的檔案裡到底有什麼
結果不是一個資料工作表,而是由多個工作表組成的活頁簿,各個工作表的作用不同。
| 工作表 | 內容 |
|---|---|
| 目錄 | 頁面索引,帶有指向其他工作表的連結 |
| 文字 | 文件的文字,每頁一行 |
| 第 N 頁 | PDF 整頁的影像 |
| 表格 N.M | 偵測到的表格,以真實儲存格呈現 |
最後一行才是這項操作的目的。表格工作表裡的資料可以直接套用公式。頁面影像和文字工作表則是兜底:萬一某張表格沒有被偵測到,內容依然擺在眼前。
目錄工作表的作用就像目錄:頁碼、指向該頁工作表的連結,以及該頁文字的第一行,方便你辨認。這些連結在活頁簿內部跳轉。
三種偵測模式
偵測參數決定了工具如何尋找儲存格邊界,對結果的影響比其他任何設定都大。
| 模式 | 如何辨識表格 | 活頁簿裡有什麼 |
|---|---|---|
| 自動 | 依據框線 | 所有工作表,包括文字工作表 |
| 嚴格 | 依據框線,並對線條的交叉有嚴格要求 | 沒有文字工作表 |
| 寬鬆 | 依據文字的位置,不依賴線條 | 所有工作表,另外整頁文字放在儲存格批註裡 |
自動是預設模式。嚴格模式不只是對線條更挑剔:它還會把文字工作表從活頁簿中去掉,只留下表格和影像。如果結果要交給後續處理,多餘的工作表會礙事,這個模式就很合適。
寬鬆是唯一能辨識無框線的表格的模式,但代價不小。
它還有一個副作用,有時比主要功能更有用:在寬鬆模式下,整頁的文字也會放進影像工作表第一個儲存格的批註裡。把滑鼠懸停在上面,無需切換到文字工作表就能看到該頁內容。
實測結果
測試文件的第一頁有兩張表格:一張帶框線,另一張沒有線,只是列對齊。
自動和嚴格模式只找到了第一張,並且轉換得很完美:三行三列,數值各就各位。
寬鬆模式兩張都找到了,但把它們合併成了一個格線,還在列之間把字詞拆開了。「Region」變成了「Re」和「gion」兩個儲存格,「North」變成了「No」和「rth」。數字 900 被拆成「9」和「00」。資料行之間還出現了空行。
實際的結論是:先用自動模式。如果沒找到表格,而且文件確實沒有框線,再改用寬鬆模式,但要預留手工整理的時間。它給你的是素材,不是成品。
反過來也一樣:如果 PDF 中的表格是帶線條繪製的,結果卻是空的,問題就不在模式上,多半是文件沒有文字圖層。
如何轉換表格
1. 開啟 將 PDF 轉成 Excel,上傳文件。 2. 第一次嘗試時,偵測保持自動。 3. 執行任務,下載活頁簿。 4. 開啟目錄工作表,跳轉到各個表格工作表。 5. 把幾行的數字與相鄰工作表上的頁面影像核對。 6. 如果沒有找到表格,用寬鬆模式重來一次。
第五步之所以可行,正是因為頁面影像就在同一個活頁簿裡。對照原件檢查轉換結果,從頭到尾都不必離開 Excel。
合併儲存格與排序
合併開關預設是開啟的。它針對源表格中跨多列的儲存格:開啟後,會把它們還原為真正的合併區域,再現原件的外觀。
關閉後,這類儲存格會被拆成普通儲存格:值留在第一個儲存格,其餘的變成空白。
請根據你打算如何使用資料來選擇。
如果表格只用來閱讀和列印,保持合併開啟,結果與原件一致。
如果資料要排序、篩選或做樞紐分析表,請關閉它。Excel 不允許對包含合併儲存格的區域排序,還要求這些儲存格大小一致。事後手工取消合併,比事先關掉開關要費時得多。
檔案為什麼比預想的大
PDF 的每一頁都會作為單獨的工作表進入活頁簿,帶有一張全尺寸影像,渲染解析度接近兩倍。結果的體積幾乎都是這些圖片造成的。
在小型測試文件上差距尤其明顯:源 PDF 只有 2 KB,活頁簿卻約有 45 KB。真實的報表可達到數 MB,而且隨頁數增加,而不是隨表格數量增加。
如果只需要資料,影像礙事,可以在 Excel 裡用幾步操作刪掉多餘的工作表,儲存後檔案就會變小。
掃描檔,以及沒有文字圖層的表格
這個工具讀取文字,並不辨識文字。對它來說,掃描的表格只是一張圖片:活頁簿裡會有頁面影像,文字工作表是空的,任何模式都找不到表格。
解決辦法在轉換之前:先用對 PDF 執行 OCR 文字辨識處理檔案,得到文字圖層,再轉換為電子表格。順序反過來沒有用,因為到了 Excel 裡已經沒有東西可供辨識了。
同樣的辦法也適用於有文字但文字歪斜的文件:斜著拍的頁面辨識效果比擺正的差,辨識前先把它校正,結果會有明顯改善。
限制、警告與相關工具
如果某一頁的表格偵測失敗,任務不會就此中斷。活頁簿依然完整送達,回應中會帶有一條警告,指明是哪些頁:這些頁不會生成表格,但影像和文字仍然保留。無法讀取文字的頁面也是如此。
設定了開啟密碼的文件無法處理,請先用解鎖 PDF解除保護。僅限制列印或複製的密碼不會妨礙提取表格。
當一頁上有多張表格時,每張都有自己的工作表,名稱由頁碼和表格在該頁的位置組成。Excel 對工作表名稱的長度有上限,因此過長的名稱會被截短,重名則用數字後綴區分。
如果你需要的是可編輯的文字,而不是表格,請使用流式模式的 線上將 PDF 轉成 Word:同樣的表格偵測器會在那裡把表格轉成真正的 Word 表格。而把完成的活頁簿再轉回 PDF,則用 將 Excel 轉成 PDF。
作者
由服務團隊撰寫;Sergey Gagin 為服務負責人
常見問題
此專區的更多內容
相關工具
線上 PDF 轉 Excel
把 PDF 中的表格資料擷取到 Excel,方便計算、篩選與排序。
線上 Excel 轉 PDF
把 Excel 試算表轉成 PDF,固定它的外觀,方便列印或寄出。
對 PDF 執行 OCR 文字辨識
透過 OCR 辨識掃描 PDF 中的文字,讓文件更容易搜尋與複製。
線上 PDF 轉 Word
把 PDF 轉成 Word 文件,讓您可以編輯文字、擴充段落並進行修改。