Что на самом деле делает конвертация PDF в Excel
Конвертер читает текстовый слой PDF, находит строки и столбцы и записывает их в файл таблицы. Каждая ячейка таблицы становится ячейкой электронной таблицы.
Ничего не пересчитывается и формат не придумывается: результат настолько аккуратен, насколько аккуратна вёрстка исходного файла.
Когда работает хорошо
Цифровые PDF, выгруженные из Excel, Word, бухгалтерской программы или системы отчётности, обычно конвертируются чисто: текст выделяется, а структура таблицы видна.
- Банковские выписки и счета с расчерченными таблицами
- Отчёты из бизнес-систем
- PDF, в которых текст выделяется курсором
- Одностолбцовые таблицы с понятными заголовками
Когда не работает
Сканы — это изображения бумаги, текста для извлечения в них нет, поэтому результат будет пустым или искажённым. Таким файлам сначала нужен OCR (оптическое распознавание символов).
Сложная вёрстка тоже ломается: объединённые ячейки, таблицы на несколько страниц, повёрнутые страницы и многоколоночный набор почти не сохраняются.
Если текст в PDF не выделяется курсором, значит текстового слоя нет, и конвертация не даст пригодной таблицы.
Как получить более чистый результат
Проверяйте результат, прежде чем на него полагаться, особенно числа, даты и обозначения валют.
Главный риск — числа: разделитель разрядов или минус могут оказаться не в том столбце. Выборочно проверяйте каждую цифру, которую собираетесь использовать.
- Длинные документы конвертируйте частями по страницам
- Сверяйте итоги и число строк с PDF
- Выравнивание столбцов правьте потом в таблице
- Сохраняйте исходный PDF для сверки