Мастерская

Как перевести PDF в Excel

Таблицу, а не картинку: какие способы работают, что ломается на сканах и двух колонках и как проверить, что при переносе ничего не потерялось.

Начнём с того, что мешает. В формате PDF нет таблиц. Есть команды вида «нарисуй линию от точки А до точки Б» и «напиши слово в координатах (120, 340)». Таблица существует только в глазах человека: строки и колонки мы видим по взаимному расположению. Поэтому «перевести PDF в Excel» — это не конвертация формата, а восстановление структуры по координатам.

Способ 1. Открыть PDF в Excel напрямую

Excel → Открыть → выбрать PDF Excel попробует сам разобрать файл и покажет окно с предупреждением. Работает на простых одностраничных таблицах, но часто даёт одну колонку или разносит строки. Сложные счёта и накладные почти всегда разваливаются.

Способ 2. Скопировать текст и вставить

Ctrl+A → Ctrl+C → вставить в Excel Подходит для маленьких таблиц. Если текст в PDF лежит по ячейкам, вставка может разложить его по столбцам. Если нет — всё окажется в одной колонке, и разбирать придётся вручную: «Текст по столбцам», формулы, лишние пробелы.

Способ 3. Онлайн-конвертеры

Загрузить файл на чужой сайт Работает по-разному, но есть два минуса. Первый — вы отдаёте документ чужому серверу: счёт, накладная, договор уходят наружу и остаются там неизвестно насколько. Второй — на сложных таблицах результат тот же: ячейки съезжают.

Способ 4. Разбор по координатам

Читать структуру и собирать таблицу самому Программа распаковывает файл, вытаскивает текст с координатами каждого фрагмента, группирует по высоте в строки и по горизонтальным разрывам в ячейки. Так получается таблица, а не текст. Работает, когда в PDF есть текстовый слой — то есть файл создан из программы, а не отсканирован.

Что делать, если это скан

Скан — это картинка. Текста внутри нет, координат нет, разбирать нечего: нужен OCR — распознавание. Тут честно: качество зависит от скана. Ровный машинописный текст распознаётся хорошо, фотография с телефона под углом — плохо, рукописные счёта — почти никак.

Как понять за пять секунд, скан у вас или текст: откройте PDF и попробуйте выделить мышкой слово в таблице. Выделяется слово — текстовый слой есть. Выделяется вся страница целиком — это картинка.

Как проверить результат

Это важнее самого перевода: автоматика ошибается молча, и ошибка в счёте дороже скорости. Три проверки, которые занимают минуту:

  1. Суммы. Сложите колонку «Сумма» в Excel и сравните с «Итого» в PDF. Не сошлось — где-то потерялась строка или число стало текстом.
  2. Числа. Если сумма не считается формулой, значит Excel видит текст. Причина обычно в пробелах между разрядами (210 000) или в запятой как десятичном разделителе.
  3. Количество строк. Сравните число позиций в PDF и в таблице. Разница в одну строку — уже ошибка.

Что ломается чаще всего

Две колонки. Если документ свёрстан в две колонки, текстовый слой читается слева направо по всей ширине, и строки из левой и правой колонки перемешиваются. Лечится разбором колонок по расположению — это отдельная задача, и она сложнее, чем кажется.
Объединённые ячейки. В PDF объединённая ячейка — это просто текст без линии посередине. После разбора значение окажется только в первой ячейке диапазона, остальные будут пустыми.
Позиция в две строки. Наименование, перенесённое на вторую строку, программа посчитает отдельной строкой таблицы, и количество позиций вырастет.
Шрифт без карты символов. Текст выделяется, но копируется мусором: значит, в файле нет таблицы перевода символов. Такой документ придётся распознавать заново.

Коротко: что выбрать

ГДЕ ИНСТРУМЕНТ СДАЁТСЯ

Мой разбор PDF читает структуру файла прямо в браузере: файл никуда не отправляется. Собирает таблицу по координатам, выгружает её в Excel или CSV, а вместе с ней — поля документа: номер, дату, ИНН, суммы и НДС. Плюс показывает, какая из причин у вас: нет текстового слоя или стоит защита.

Где он сдаётся: скан он не распознаёт, а документы в две колонки собирает с перемешиванием строк. Объединённые ячейки не разворачивает. Такие документы я разбираю вручную или распознаванием — и всегда сверяю итог с суммой в документе. Подробнее про причины — какие PDF не читаются и почему.

Сотня счетов, скан или кривая вёрстка
Напишите, что за документы и сколько их. Скажу, реально ли это, сколько будет стоить и когда сдам — до начала работы.
Написать мне