跳到主要內容
文章

如何把 PDF 中的表格提取到 Excel

PDF 轉 Excel:活頁簿裡有哪些工作表,三種偵測模式在實際中有何不同,以及寬鬆模式為什麼能找到更多表格卻會把字詞拆開。

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.

13 篇文章

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

關於本專案

常見問題

先看表格是否有框線:自動和嚴格模式沿著線條尋找儲存格邊界,沒有框線的表格只有寬鬆模式能看到。如果有框線,結果仍然是空的,多半是文件沒有文字圖層,需要先做 OCR。
它依據文字的位置而不是線條,因此可能在列之間把字詞或數字拆開。它給你的是需要手工整理的素材,不是現成的表格。
原因是合併儲存格:合併開關預設開啟,會還原原先跨多列的儲存格。如果資料要排序或做樞紐分析表,請在處理前把它關掉。
PDF 的每一頁都會作為單獨的工作表進入活頁簿,並帶有一張全尺寸影像,體積幾乎都是這些圖片造成的。如果只需要資料,在 Excel 裡刪掉多餘的工作表,儲存後檔案就會變小。
檔案只用於你所選的操作,處理完成後會自動刪除。我們不會使用上傳的文件來訓練 AI 模型。

此專區的更多內容

相關工具

← 所有轉換工具

接下來可以做什麼

讀完後若需要實際的下一步或服務說明,請開啟以下頁面。

所有工具

PDF 工具目錄:合併、壓縮、分割、轉換、旋轉、保護與解鎖 PDF。透過瀏覽器線上使用所需工具。

常見問題

查詢 iHatePDF 的帳號、檔案處理、上傳限制、行動裝置使用、隱私,以及 PDF 工具出現錯誤時的處理方式。

聯絡我們

若遇到處理錯誤、需要協助選擇工具,或有安全、商務合作與新功能建議,歡迎聯絡 iHatePDF。聯絡時請簡述遭遇的問題與使用的工具。