Таблица из PDF в Excel: от чего зависит способ
Способ зависит от того, как устроен PDF. Если текст в файле выделяется мышью, у файла есть текстовый слой, и таблицу можно достать несколькими способами. Скан и фото — картинки: из них сначала распознают текст, и ошибок будет больше.
| Вид PDF | Как отличить | Что это значит |
|---|---|---|
| С текстовым слоем | Текст выделяется и копируется | Цифры уже в файле, их надо верно разложить по ячейкам |
| Скан | Страница выглядит как снимок листа, текст не выделить | Нужно распознавание текста, символы могут читаться неверно |
| Фото | То же, плюс перекос, тени и блики | Распознавание сложнее, ошибок вероятнее |
Когда хватает конвертера, а когда он ломает данные
Конвертер справляется с чистой таблицей: границы ячеек видны, шапка одна, таблица помещается на странице. Ломаются данные там, где структура неочевидна: объединённые ячейки, наименование на двух строках, таблица на нескольких страницах, шапка, повторяющаяся на каждой странице, колонтитулы между строками.
Опасна тихая поломка: столбцы сдвинулись на одну ячейку, цифры выглядят правдоподобно, и ошибка всплывает позже. Microsoft в описании PDF-коннектора Power Query сама пишет, что многострочные строки могут определиться неверно, и советует исправлять данные операциями в интерфейсе Power Query или кодом на языке M. Параметр MultiPageTables по умолчанию склеивает похожие таблицы на соседних страницах (справка Microsoft на 9 октября 2026).
Как перенести PDF в Excel вручную: копирование и «Данные → Из PDF»
Для одной небольшой таблицы хватает ручных способов. Первый — выделить таблицу в просмотрщике PDF, скопировать и вставить в Excel. Результат зависит от файла: проверьте, что столбцы встали на места и числа не стали текстом.
Второй способ — встроенный импорт. В Excel выберите «Данные» → «Получить данные» → «Из файла» → «Из PDF» и укажите файл. Откроется окно навигатора с найденными таблицами: их можно загрузить сразу или открыть в Power Query для чистки. Для импорта нужен .NET Framework 4.5 или новее.
Пределы этого способа видны из той же документации:
- многострочные строки могут определиться неверно, их правят вручную;
- у большого файла страницы советуют брать по одной или небольшими диапазонами, чтобы ускорить загрузку и избежать таймаутов: для этого есть параметры StartPage и EndPage;
- несколько PDF сразу импортируют другим коннектором — коннектором папки;
- сканы в описании коннектора не упоминаются, поэтому результат на скане проверяйте на своём файле.
Как агент распознаёт PDF и переводит его в Excel
Агент читает PDF, выбирает способ под файл и извлекает данные из PDF в xlsx. Если есть текстовый слой, таблицу достают кодом на Linux-машине прямо из него. Для скана или фото доступны модели распознавания и программы на облачной машине. Способ агент выбирает под документ, а цифры после распознавания нужно сверить с оригиналом. Готовую таблицу он записывает в xlsx и перед отдачей смотрит, как файл выглядит.
Поля вы описываете словами: «номер акта, дата, наименование, количество, цена, сумма». Если у вас есть образец готовой строки, приложите его: так проще согласовать названия столбцов и форматы.
Проверка цифр после распознавания
Перенос закончен, когда цифры подтверждены. Попросите агента проверить четыре вещи:
| Проверка | Что сравнивается |
|---|---|
| Сумма строки | Количество, умноженное на цену, равно сумме в той же строке |
| Итог по документу | Сумма всех строк равна итогу в PDF |
| Число страниц и строк | Строк по каждой странице в xlsx столько же, сколько на странице PDF |
| Места для проверки руками | Строки, где проверка не сошлась или текст читается плохо |
Расхождение не всегда ошибка переноса: ошибка бывает в самом документе. Попросите вынести такие строки на отдельный лист с номером страницы. Независимую проверку результата по исходному файлу агент тоже может запустить по вашей просьбе. На сканах и в таблицах на нескольких страницах результат всё равно проверяет человек по контрольным суммам.
Много файлов: папка PDF в одну таблицу
Если PDF много, загрузите их в чат: агент может собрать одну таблицу и добавить столбец «источник» с именем файла. Попросите отчёт: сколько файлов прочитано, сколько строк дал каждый и какие файлы не распознались. Если таблицы уже лежат в нескольких xlsx, их сведение описано на странице про объединение файлов Excel.
Банковские выписки, акты, прайс-листы: что взять с собой
Для любого документа назовите нужные поля и правила. Выписка: дата, контрагент, сумма, назначение платежа. Акт: номер, наименование, количество, цена, сумма. Прайс-лист: артикул, наименование, единица измерения, цена. Скажите, что делать с шапкой, которая повторяется на каждой странице, и со строками «Итого»: оставить или убрать.
Если банк или система выдают ту же выписку в xlsx или csv, берите их: перевод из PDF не понадобится. Когда выписка из PDF уже в таблице, её можно сразу сверить с учётом: как это устроено, описано на странице про сверку таблиц.
Чего агент не делает
Точность распознавания зависит от качества скана, поэтому процент и качество специализированных систем Allokai не гарантирует. На рукописном тексте надёжный результат не обещается. Результат на сканах и в таблицах на нескольких страницах проверяет человек по контрольным суммам.
Другой инструмент подходит лучше, когда PDF один, текст в нём выделяется, а таблица чистая: хватит импорта «Из PDF» в самом Excel, и файл никуда загружать не нужно. Для постоянного потока сканов с требованием к точности подойдут специализированные системы распознавания документов. Как агент работает с файлами в целом, описано на странице про ИИ для работы с документами.