Cách lấy bảng từ PDF sang Excel

Bạn có một tệp PDF chứa bảng dữ liệu - một báo cáo tài chính, một bảng giá, kết quả khảo sát, hoặc phần các dòng hàng hóa trên hóa đơn. Bạn cần làm việc với dữ liệu đó trong Excel. Bạn thử chọn các ô, sao chép chúng, rồi dán vào bảng tính. Kết quả bạn nhận được là một cột văn bản lộn xộn, các ô bị gộp sai vị trí, hoặc chẳng có gì cả. Đây không phải là lỗi. Đó là cách PDF hoạt động.

Tại sao các bảng trong PDF khó trích xuất

Một tệp PDF không lưu bảng dưới dạng bảng. Nó lưu văn bản dưới dạng chuỗi các ký tự được định vị - các ký tự được đặt tại tọa độ X/Y cụ thể trên trang. Một bảng trong PDF chỉ là các hàng văn bản tình cờ được căn chỉnh trực quan và phân tách bằng các đường kẻ vẽ ra. Không có cấu trúc dữ liệu nào đại diện cho "đây là một ô", "cái này thuộc cột 3", hay "hàng này kết thúc tại đây".

Khi bạn sao chép và dán từ PDF, trình đọc sẽ cố đoán cấu trúc dựa trên vị trí trực quan. Nó thường xác định sai ranh giới cột, gộp các ô, và làm vỡ các con số qua nhiều dòng. Bảng càng rộng, kết quả càng lộn xộn.

Cách 1: Sao chép và dán trực tiếp (đáng thử trước tiên)

Với một tệp PDF gốc - được tạo bởi phần mềm chứ không phải máy quét - hãy thử cách này trước:

1. Mở tệp PDF trongAdobe ReaderhoặcChrome.
2. Nhấp và kéo để chọn vùng bảng.
3. Sao chép (Ctrl+C).
4. Dán vào một ô Excel bằngDán đặc biệt -> Văn bảnhoặc dán vào trình soạn thảo văn bản trước để xem bạn thực sự nhận được gì.
5. Sử dụngText to Columns(tab Data trong Excel) để tách nội dung đã dán theo tab, dấu cách hoặc một ký tự phân tách nhất quán.

Cách này hoạt động khá tốt với các bảng đơn giản hai hoặc ba cột có định dạng sạch sẽ. Nó sẽ thất bại với các bảng phức tạp có ô gộp, chú thích hoặc nội dung ô nhiều dòng.

Phương án 2: Công cụ chuyển đổi PDF sang Excel chuyên dụng

Một công cụ chuyển đổi phân tích cấu trúc trực quan của tệp PDF - ranh giới ô, căn chỉnh cột, thuộc tính phông chữ - và cố gắng tái tạo lại nó thành dữ liệu bảng tính. Kết quả là một tệp XLSX mà bạn có thể mở trực tiếp trong Excel.

Pagivo đang xây dựng một công cụ chuyên dụngPDF to Excelbộ chuyển đổi cho việc này. Khi khởi chạy, quy trình làm việc sẽ là: tải PDF lên, tải xuống tệp XLSX, kiểm tra kết quả xem có ranh giới nào bị nhận diện nhầm không. Với PDF gốc có định dạng bảng sạch sẽ, bộ chuyển đổi sẽ xử lý phần lớn công việc.

Điều cần lưu ý: quá trình chuyển đổi chính xác với các bảng đơn giản và kém chính xác hơn với bố cục phức tạp (hàng tiêu đề được gộp, văn bản chéo, bảng có hình ảnh bên trong ô, viền được định dạng nhiều). Luôn đối chiếu tổng số trong kết quả với tệp PDF gốc - lỗi làm tròn số hoặc căn chỉnh cột trong các bảng phức tạp hoàn toàn có thể xảy ra.

Cách 3: Nhập qua Google Sheets (nhanh cho các bảng nhỏ)

1. MởGoogle Sheetsvà tạo một bảng tính mới.
2. Truy cậpFile -> Importvà tải lên tệp PDF.
3. Google sẽ cố gắng phân tích các bảng từ tệp PDF và nhập chúng dưới dạng dữ liệu trang tính.

Kết quả khác nhau và tương tự như thao tác sao chép-dán, nhưng bước nhập đôi khi phát hiện cấu trúc bảng tốt hơn so với việc chọn thủ công. Đáng để thử với các bảng đơn giản khi bạn không có công cụ chuyển đổi chuyên dụng.

Cách 4: PDF dạng quét (vấn đề khác, giải pháp khác)

Nếu tệp PDF là bản quét - một bức ảnh chụp của trang giấy - thì hoàn toàn không có dữ liệu văn bản để trích xuất. Sao chép-dán sẽ lựa chọn toàn bộ trang như một hình ảnh duy nhất. Một công cụ chuyển đổi PDF sang Excel thông thường sẽ không tạo ra kết quả hữu ích nào.

Với các bảng dạng quét, bạn cần OCR hiểu rõ cấu trúc bảng. Các lựa chọn:

• Google Docs- tải tệp PDF lên Drive, mở bằng Docs. OCR của Google sẽ trích xuất văn bản, mặc dù cấu trúc bảng thường không được giữ nguyên.
• Adobe Acrobat Pro- có OCR tích hợp khả năng nhận dạng bảng. Chất lượng cao hơn với các bảng phức tạp, nhưng yêu cầu trả phí đăng ký.
• Công cụ OCR chuyên dụng- ABBYY FineReader và các công cụ tương tự được thiết kế chuyên cho việc nhận dạng cấu trúc tài liệu bao gồm cả bảng. Hơi thừa khi dùng thỉnh thoảng nhưng là lựa chọn chính xác nhất cho các bảng quét phức tạp.

Sau khi trích xuất: làm sạch dữ liệu trong Excel

Bất kể phương pháp nào, hãy dành vài phút để làm sạch kết quả:

• Xóa các dòng trống và tiêu đề trùng lặp xuất hiện khi bảng nhiều trang lặp lại tiêu đề cột trên mỗi trang.
• Sửa định dạng số - dấu phẩy và dấu chấm có thể bị hoán đổi nếu PDF dùng định dạng số theo ngôn ngữ khác.
• Kiểm tra xem các tổng số có khớp không - thủ công xác minh một hoặc hai giá trị được tính từ tệp PDF nguồn.