把 PDF 表格提成 Excel：电子版与扫描件两条路径

两条路径怎么选

PDF 里的表格能不能准确进 Excel，取决于文件有没有文字层。电子版 PDF 保存了表格的结构信息，转换相当于把数据搬过去，速度以秒计；扫描件只是一张图，程序要先认字再推断行列，误差明显更大。

动手前先做一次判断：在阅读器里拖选表格里的一个数字，能选中就走电子版路径，选不中就走 OCR 路径。分错路径的典型表现是导出的 Excel 里只有一张图片。

电子版表格提取步骤

1. 用阅读器打开 PDF，拖选表格里的一个数字，能选中说明有文字层。
2. 打开 PDF 转 Excel 工具上传文件，页数多时先拆出需要的几页。
3. 输出格式选 XLSX，勾选保留表格结构选项，如果工具提供的话。
4. 点击转换，下载后用 Excel 打开，先看列有没有串行。
5. 某一列错位就回到 PDF 对照原表，调整列分隔后重新导出该页。
6. 确认无误后再另存一份，避免反复覆盖原始导出结果。

扫描件走 OCR 的处理方式

扫描件的表格没有结构信息，程序要同时完成认字和还原行列两件事，误差主要出在框线上：没有框线的表格最容易串行。

处理顺序建议是先纠偏、再识别、最后校对。原图倾斜、有阴影或者红章压住数字时，先做图像预处理，识别率通常能提升十几个百分点，比事后逐个改数字划算。

1. 确认扫描分辨率在 300 dpi 以上，低于 200 dpi 的小字号表格识别率明显下降。
2. 页面歪斜先做纠偏，倾斜超过 2 度就会影响行列判断。
3. 用 OCR 工具识别，输出时选择保留表格结构。
4. 导出为 XLSX，检查首行是否变成表头、合计行有没有被当成普通数据。
5. 数字列核对总和，与 PDF 上的合计值比对，差值不为零就逐行查。

识别不准时的排查

提取结果不对，多数不是工具问题，而是原表的版式超出了自动识别的能力范围。按下面顺序排查，能解决大部分情况。

判断标准很简单：如果只是个别单元格错，人工改就行；如果整列错位或者大量串行，说明需要换处理方式，继续重试没有意义。

• 无框线表格靠空格对齐，容易被并成一列，先确认原表实际有几列。
• 跨页表格会被切成两张表，导出后在 Excel 里手工接上。
• 数字带千位分隔符时被识别成文本，用分列功能转成数值。
• 负数用小括号或红色表示的，识别后要统一改成标准负数格式。
• 多层表头的复杂表，先简化成单层表头再转换。
• 单元格里有换行的长文本会撑出多余空行，需要清理。

导出后必须做的校对

表格数据转完不能直接拿去用，尤其是涉及金额和数量的时候。下面这份清单按重要性排列，全过一遍大概只需要几分钟。

• 核对合计行的数值与原 PDF 是否一致。
• 检查日期列是否被转成文本，用 DATEVALUE 函数或改单元格格式修正。
• 确认百分比列没有被放大一百倍。
• 查一遍负数和小数的位数是否统一。
• 订单号、身份证号这类编号字段设为文本，避免丢掉前面的零。
• 抽样三到五行与 PDF 原表逐格对照。