PDFの表をExcelに取り込む方法
価格表、検査結果、時刻表、年次報告書などはPDFで届くことが多く、表を手作業でコピーすると列が崩れてしまいます。このガイドでは、並べ替え、絞り込み、計算ができるスプレッドシートに表を移します。
PDFの表は、座標に置かれた文字にすぎず、本当の行やセルはありません。優れた抽出は、その位置関係を読み取って罫線のない表を組み直しますが、スキャン画像にはそもそもテキストがありません。手元のファイルがどちらかを知ることが、最初に使うツールを決めます。
手順
PDFの種類を確認する
カーソルで単語を選択してみてください。選択できるなら本物のテキストなので、そのまま抽出に進めます。ページ全体が1枚の画像として選択される場合はスキャンなので、先に次のステップが必要です。
スキャンを読み取れる状態にする
スキャンの場合は、OCRを実行して文書の言語を選びます。結果は見えないテキスト層を持つPDFになり、表の抽出に必要な状態です。OCRは1と7、0と8を取り違えることがあるので、いくつかの数字を確認してください。
表を抽出する
表抽出のページを開き、PDFを選びます。見つかった表は、シートまたはファイルごとにスプレッドシートデータとして返されます。結合された見出しセルは弱点になりやすいので、最初に確認してください。
必要ならページ全体を変換する
PDFに長い文章と表が混在している場合や、表に罫線がない場合は、文書全体をExcelに変換し、不要な部分を削除する方法もあります。どちらも短時間で済むので、最初の方法で表が漏れたときは2つ目を試してください。
信頼する前に合計を確認する
スプレッドシートで1列を合計し、PDFに印刷されている合計と比べます。一致すれば、数字は欠けていません。グラフやレポートを作る前に、一致しないセルを修正しましょう。
このガイドで使うツール
この作業についての質問
- 列の位置がずれるのはなぜですか?
- 罫線のない表は、列の区切りが余白だけで示されています。隣の列と結合してしまう場合は、そのページだけを抽出するか、ページ全体の変換を使ってExcelで列を分割してください。
- スキャンされた表も読み取れますか?
- はい、OCRのあとなら可能です。200dpi以上の鮮明なスキャンで、ページをまっすぐにしてください。1桁の間違いで数値が変わるため、必ず合計を照合しましょう。
- ファイルは保存されますか?
- 抽出、変換、OCRは当社のサーバー上で実行され、処理が終わるとすぐにファイルは削除されます。内容を読んだり、コピーを保管したりすることはありません。
PDFの用語をやさしく解説
- PDFからOfficeへの変換PDFからWord、Excel、PowerPointへの変換は、固定されたレイアウトから編集できる文書を作る操作です。仕組み、精度の限界、スキャン文書の扱いを解説します。
- CSVCSVは表を区切り文字で並べた値の行として保存するテキスト形式です。仕組みや落とし穴、CSVとPDFを行き来する方法をやさしく説明します。
- 構造化データの抽出構造化データ抽出は、文書の文章をラベル付きの項目や表に変える処理です。方法の種類、必要な条件、それぞれが向く場面を紹介します。
- ワークブックのシートワークブックは複数のシートを持つ表計算ファイルです。シート、印刷範囲、改ページが PDF の内容をどう決めるか、PDF の表がページごとにシートへ戻る仕組みを解説します。
- セルの結合セルの結合は、表の複数のセルを1つにまとめます。PDFの表をスプレッドシートに移すのが難しくなる理由と対処法を解説します。
- 銀行照合銀行照合は自分の記録を銀行明細と突き合わせる確認作業です。しくみと、明細の表を表計算に取り込む方法を解説します。
- サステナビリティ報告書サステナビリティ報告書は、組織の環境・社会面の成果を説明する文書です。構成と、必要な表の見つけ方・共有方法を紹介します。
- 料金表料金表は、電話やインターネットのプランの料金と条件を一覧にした書類です。記載内容と、表をスプレッドシートに移して比較する方法を解説します。