Hoe haal je een tabel uit een PDF en zet je die in Excel

U hebt een PDF met een tabel met gegevens - een financieel rapport, een prijslijst, enquêteresultaten, een sectie met factuurregels. U moet met die gegevens in Excel werken. U probeert de cellen te selecteren, ze te kopiëren en in een werkblad te plakken. Wat u krijgt, is een kolom met door elkaar gegooide tekst, samengevoegde cellen op alle verkeerde plekken, of helemaal niets. Dit is geen bug. Dit is hoe PDF's werken.

Waarom PDF-tabellen moeilijk te extraheren zijn

Een PDF slaat tabellen niet op als tabellen. Het slaat tekst op als een reeks gepositioneerde glyphs - tekens geplaatst op specifieke X/Y-coördinaten op de pagina. Een tabel in een PDF is slechts rijen tekst die toevallig visueel uitgelijnd zijn en gescheiden door getekende lijnen. Er is geen datastructuur die aangeeft "dit is een cel", "dit behoort tot kolom 3", of "deze rij eindigt hier".

Wanneer je kopieert en plakt vanuit een PDF, probeert de reader de structuur te raden op basis van visuele positie. Vaak worden de kolomgrenzen verkeerd bepaald, worden cellen samengevoegd en worden getallen over regels heen gebroken. Hoe breder de tabel, hoe rommeliger het resultaat.

Optie 1: Direct kopiëren en plakken (eerst proberen waard)

Voor een native PDF - een die door software is gemaakt, niet door een scanner - probeer dit eerst:

1. Open de PDF inAdobe ReaderofChrome.
2. Klik en sleep om het tabelgebied te selecteren.
3. Kopiëren (Ctrl+C).
4. Plak in een Excel-cel metPlakken speciaal -> Tekstof plak eerst in een teksteditor om te zien wat je eigenlijk hebt gekregen.
5. GebruikTekst naar kolommen(tabblad Gegevens in Excel) om de geplakte inhoud te splitsen op tab, spatie of een consistente scheidingsteken.

Dit werkt redelijk goed voor eenvoudige tabellen met twee of drie kolommen met nette opmaak. Het mislukt bij complexe tabellen met samengevoegde cellen, voetnoten of celinhoud over meerdere regels.

Optie 2: Een speciale PDF naar Excel-converter

Een conversietool analyseert de visuele structuur van de PDF - celgrenzen, kolomuitlijning, lettertype-eigenschappen - en probeert deze te reconstrueren als spreadsheetgegevens. De uitvoer is een XLSX-bestand dat u direct in Excel kunt openen.

Pagivo bouwt een specialePDF naar Excelconverter hiervoor. Wanneer het wordt gestart, verloopt het proces als volgt: upload de PDF, download de XLSX, controleer het resultaat op foutief gedetecteerde grenzen. Voor een native PDF met schone tabelformattering regelt de converter het meeste werk.

Wat u kunt verwachten: de conversie is nauwkeurig bij eenvoudige tabellen en minder nauwkeurig bij complexe lay-outs (samengevoegde koprijen, diagonale tekst, tabellen met afbeeldingen in cellen, sterk gestileerde randen). Controleer de numerieke totalen in de uitvoer altijd tegen de bron-PDF - afrondings- of kolomuitlijnfouten komen bij complexe tabellen voor.

Optie 3: Google Sheets import (snel voor kleine tabellen)

1. OpenGoogle Sheetsen maak een nieuw spreadsheet aan.
2. Ga naarBestand -> Importerenen upload de PDF.
3. Google zal proberen tabellen uit de PDF te parsen en te importeren als werkbladgegevens.

De resultaten zijn wisselend en vergelijkbaar met kopiëren-en-plakken, maar de importstap detecteert de tabellenstructuur soms beter dan handmatige selectie. Het is het proberen waard voor eenvoudige tabellen wanneer je geen speciale converter tot je beschikking hebt.

Optie 4: Gescande PDF's (een ander probleem, een andere oplossing)

Als de PDF een scan is - een foto van een pagina - is er helemaal geen tekstgegevens om te extraheren. Kopiëren-en-plakken selecteert de hele pagina als één afbeelding. Een standaard PDF-naar-Excel-converter zal niets bruikbaars opleveren.

Voor gescande tabellen heb je OCR nodig die specifiek de tabellenstructuur begrijpt. Opties:

• Google Docs- upload de PDF naar Drive en open deze met Docs. De OCR van Google zal tekst extraheren, hoewel de tabellenstructuur vaak niet behouden blijft.
• Adobe Acrobat Pro- heeft OCR met tabelherkenning ingebouwd. Hogere kwaliteit voor complexe tabellen, maar vereist een betaald abonnement.
• Gespecialiseerde OCR-tools- ABBYY FineReader en vergelijkbare software zijn specifiek ontworpen voor documentstructuurherkenning, inclusief tabellen. Overkill voor incidenteel gebruik, maar wel de meest nauwkeurige optie voor complexe gescande tabellen.

Na extractie: de data opschonen in Excel

Ongeacht de methode moet je rekening houden met een paar minuten werk om de uitvoer op te schonen:

• Verwijder lege rijen en dubbele kopregels die verschijnen wanneer tabellen over meerdere pagina's kolomtitels herhalen op elke pagina.
• Corrigeer getalformaten - komma's en punten kunnen verwisseld zijn als de PDF een getalformaat van een andere landinstelling gebruikte.
• Controleer of de totalen overeenkomen - verifieer handmatig een of twee berekende waarden uit de bron-PDF.