Как распознать таблицу из PDF и проверить цифры в ExcelПрактикум по PDF: извлечение таблиц и сверка редакций

Как распознать таблицу из PDF и проверить цифры в Excel

Чтобы распознать таблицу из PDF-скана, сначала восстановите строки и столбцы, затем пересчитайте суммы по исходным числам. На двухстраничной ведомости ниже можно проверить пять строк, найти ошибку в учебном распознавании и скачать сверенный CSV для Excel.

Как распознать таблицу из PDF, если она видна только на скане?

Откройте PDF и попробуйте выделить отдельное число. Если это изображение, примените OCR, то есть оптическое распознавание текста, или попросите чат выписать нужные поля. Оставьте рядом с каждой строкой номер страницы. Сверьте количество строк, пересчитайте произведения и сравните общий итог с напечатанным в документе.

Скачайте ведомость и выберите способ переноса

Скачать скан ведомости № 17 (PDF). В этом вымышленном документе две страницы без текстового слоя. На первой три позиции и промежуточный итог. На второй ещё две позиции, перенос суммы со страницы 1 и итог всей ведомости.

Страница 1. Папки, блокноты и ручки. Цена блокнота 245 рублей, сумма за восемь штук 1 960 рублей.
Фрагмент страницы 1. Сумма 5 260 ₽ относится только к строкам 1–3.
Что в PDFКак получить таблицуЧто посмотреть после переноса
Текст выделяется по словамИмпорт из PDF в Excel через Power Query, если доступен в вашей версииВсе ли страницы попали в импорт и остались ли числа в своих столбцах
На странице только изображениеOCR с разметкой таблицы или извлечение заданных полей в чатеСтроки с мелкими цифрами, разделители, порядок столбцов и места с плохой читаемостью
В одном файле есть оба вида страницПроверка нужных страниц по отдельностиСохранились ли номера исходных страниц после объединения

Меню импорта и выбор таблиц описаны в справке Microsoft по Power Query. Для сканов в документации ABBYY FineReader PDF 15 описаны распознавание и правка границ ячеек. Проверку сумм можно выполнить после любого способа переноса.

Сверьте строки и итог по двум страницам

  1. Посчитайте товарные строки. На странице 1 их три, на странице 2 две. Строки «Перенос» и «Итого» служат для контроля.
  2. Для каждой позиции умножьте количество на цену за штуку. Сравните результат с суммой в той же строке PDF.
  3. Сложите суммы пяти позиций один раз. На первой странице получается 5 260 ₽, на второй добавляется 3 040 ₽. Вместе 8 300 ₽.
Страница 2. Перенос со страницы 1 — 5 260 рублей. Итого по строкам 1–5 — 8 300 рублей.
Фрагмент страницы 2. Сумма 5 260 ₽ повторяется как перенос. Она уже учтена в 8 300 ₽.

Попробуйте поймать ошибку до экспорта

В учебном черновике цену блокнота прочитали как 246 ₽. Количество 8 и напечатанная сумма 1 960 ₽ перенесены правильно. Пройдёт ли такая строка проверку, если общий итог по столбцу «Сумма» сходится?

Показать проверку строки № 2

8 × 246 = 1 968 ₽, то есть на 8 ₽ больше, чем напечатано. На странице 1 указана цена 245 ₽. После исправления 8 × 245 = 1 960 ₽. Ошибка добавлена специально для упражнения.

СтрокаКоличество × ценаСуммаСтр. PDF
1. Папки12 × 180 ₽2 160 ₽1
2. Блокноты8 × 245 ₽1 960 ₽1
3. Ручки15 × 76 ₽1 140 ₽1
4. Наборы маркеров6 × 310 ₽1 860 ₽2
5. Планшеты с зажимом4 × 295 ₽1 180 ₽2
ИтогоПять товарных строк8 300 ₽2
Эталон для упражнения. Значения сверены по ведомости и пересчитаны.

Скачать проверенные строки (CSV). Если Excel показывает одну колонку, импортируйте файл через «Из текста/CSV» и выберите разделитель «точка с запятой». Для этого CSV подходит кодировка UTF-8.

Как повторить извлечение в Анализавре

«Попробовать» откроет черновик запроса в чате. Прикрепите учебный скан или свой файл, при необходимости замените названия столбцов, затем отправьте запрос. Сверьте ответ с PDF перед тем, как переносить его в рабочую таблицу.

1 промтов

Извлечь строки со ссылкой на страницу

Из прикреплённого PDF выпиши товарные строки: номер, позиция, количество, цена за штуку, сумма по исходнику и страница PDF. Сохрани порядок строк и единицы. Заголовки, переносы и итоги запиши отдельно. Для нечитаемого поля напиши «проверить по PDF». Затем отдельно пересчитай количество × цену и сравни суммы с итогом на последней странице. Покажи каждое расхождение, сохранив исходное значение.

Частые вопросы

Можно ли распознать таблицу из PDF без текстового слоя?
Да, если изображение достаточно читаемо. Сначала распознают содержимое и структуру таблицы, затем проверяют столбцы, пропуски и цифры по изображению страницы.
Почему скан PDF не переносится в Excel обычным копированием?
На странице без текстового слоя цифры входят в изображение. Их нужно распознать, а затем разложить по ячейкам.
Как распознать таблицу из PDF на нескольких страницах?
Сохраняйте номер страницы у каждой позиции. Отделите повторные заголовки и переносы сумм от товарных строк. Проверьте число позиций и итог по всем страницам.

Другие упражнения есть в практикуме по PDF. Если пришли две редакции одного файла, посмотрите, как сверить изменившиеся пункты. Если из скана нужен текст, а не таблица, посмотрите, как распознать текст из PDF и проверить ошибки OCR. Обзор способов работы с файлами есть в руководстве Twelver по анализу документов.

Попробуйте сами

Разберите свой PDF в Анализавре

Прикрепите PDF и попросите выписать строки или сопоставить условия. Цифры и цитаты сверяйте с исходными страницами.

Открыть чат Анализавра
Оцените свой опыт