为什么表格无法完美还原

PDF 里并没有表格结构，只有按坐标摆放的文字和页面上画出的线条，所以任何转换工具都只能推测行和列从哪里开始、到哪里结束。

当表格有可见边框且文字是真正的文本时，这种推测比较可靠；遇到合并单元格、隐藏网格线或扫描页就不准了。

获得干净结果的步骤

  • 先确认 PDF 含文本：用光标试着选中表格里的一个数字，能选中就说明可以读取。
  • 如果文档中文字和表格混排，只转换包含表格的那几页。
  • 打开 .xlsx 后先与 PDF 对比行数和列数，再动手修改。
  • 合并的表头单元格和自动换行的文字需要手工处理，这些是最常见的出错点。

核对时把 PDF 与表格并排打开。

仍会出错的地方及处理办法

合并单元格会被拆成多个单元格，一个含两行文字的单元格可能变成两行。数字还可能丢失前导零（007 变成 7），或被当成文本。

先把受影响的列设为文本格式再粘贴数值，表头则手动合并。公式永远不会保留，因为 PDF 不存储公式。

扫描版 PDF 需要先做 OCR

如果页面是图像，也就是扫描件或照片，就没有可提取的文本层，转换结果会是空白或几乎空白的表格。请先对文件做 OCR，再转换生成的文字版 PDF。

某些设计软件导出时把文字转成了轮廓，这类页面也一样。