استخراج الجداول من PDF إلى جدول بيانات Excel

كيف تُكتشف الصفوف والأعمدة

لا يحتوي PDF على جداول حقيقية، فهو يعرف فقط أن قطعة نص تقع عند إحداثيات معينة. تقرأ الأداة كل قطعة نص مع موضعها (باستخدام PDF.js)، وتجمع القطع التي تشترك في الخط القاعدي نفسه في صف واحد، ثم تبحث عن محاذاة رأسية بين هذه الصفوف لتحدد مواضع الأعمدة. وتستقر كل قطعة في خلية داخل مصنّف .xlsx.

أنت تختار تنظيم المصنّف: ورقة لكل صفحة، أو جميع الصفحات متتابعة في ورقة واحدة. الخيار الثاني مريح لكشف حساب طويل بأعمدة متطابقة على صفحات كثيرة، لأنك تستطيع فرز كل شيء وتصفيته دفعة واحدة.

أي ملفات PDF تتحول جيدًا

تعمل الأداة انطلاقًا من المحاذاة، فكلما كانت الشبكة أنظف كانت النتيجة أفضل. والمستندات التي تنتجها برامج المحاسبة والمصارف وأدوات إعداد التقارير تتألف عادة من أعمدة نصية منتظمة، وهي الأفضل تحويلًا.

• مرشحة جيدة: الفواتير وكشوف الحساب المصرفية وكشوف البطاقات وقوائم الأسعار والجداول الزمنية وجداول البيانات المصدّرة من برامج الجداول أو قواعد البيانات.
• حالات أصعب: نص ملتف على عدة أسطر داخل الخلية الواحدة، وأعمدة بمسافات غير منتظمة، وصفحات تجمع بين جدول وفقرات نثرية.
• غير ممكن: الجداول التي هي صور. إن لم تستطع تحديد الأرقام في قارئك فمرّر الملف على أداة التعرف الضوئي على PDF (OCR) أولًا.

ترتيب النتيجة في Excel

توقّع دقيقة أو دقيقتين من التنظيف. تفقّد الصف الأول والأخير في كل صفحة، فقد تتسلل العناوين أو أرقام الصفحات كبيانات، فاحذفها وتأكد أن جدولك يتعرف على الأرقام والتواريخ بوصفها كذلك. وإذا بدا عمود مقسومًا إلى اثنين فادمج الخلايا أو اجمعها بصيغة.