表が完璧に出力されない理由

PDFに表そのものは入っていません。座標に置かれた文字と、ページに描かれた線があるだけなので、変換ツールは行と列の境界を推測するしかありません。

罫線が見えていて文字が本物のテキストであれば、この推測はかなり正確です。結合セル、非表示の罫線、スキャンページでは不正確になります。

きれいに変換する手順

  • PDFがテキストか確認する：表の中の数字をカーソルで選択してみる。ハイライトできれば変換ツールが読める。
  • 文書に文章と表が混在している場合は、表があるページだけを変換する。
  • .xlsxを開き、編集する前に元のPDFと行数・列数を比べる。
  • 結合された見出しセルと折り返しテキストは手で直す。ここが崩れやすい箇所。

確認中はPDFを横に開いたままにしておきます。

それでも崩れる箇所と直し方

結合セルは複数のセルに分かれ、2行に折り返されたセルは2行として出力されることがあります。数値は先頭のゼロが消えたり（007が7になる）、文字列として入ることがあります。

該当する列を先に文字列形式にしてから値を貼り直し、見出しセルは手動で結合します。PDFは数式を保存しないため、数式が残ることはありません。

スキャンしたPDFは先にOCR

ページが画像（スキャンや写真）の場合、抽出できるテキスト層がないため、結果は空かほぼ空のシートになります。先にOCRをかけ、テキスト入りのPDFにしてから変換してください。

デザインツールで文字をアウトライン化して書き出したページも同じです。