PDF 轉 Excel 線上

當表格被關在 PDF 裡，需要重新變回表格

這類情境通常跟在別人的格式選擇之後出現。銀行寄來 PDF 對帳單，你想把交易倒進試算表並把某個分類加總。供應商的價目表是 PDF，你想跟上一季比對。主管機關只把資料表以 PDF 公布，你需要它變成可以排序、過濾的儲存格。爬蟲抓回來的報表是 PDF，你希望每一列就是一列。在所有這些情況下數字都在；只是被鎖在版面裡，不再表現得像數字。

這裡的工作是把列與欄拿回來：把 PDF 給出去，換回一份 .xlsx，每一頁是自己的工作表，每一列是一列，每一欄是一欄。從那裡你可以排序、過濾、加總、做樞紐 — 試算表本來就是為了這些事而存在。

為什麼這是猜測 — 而且還算準

PDF 不儲存表格。內部一頁是一條扁平的文字片流，每片帶著畫布上的 x/y 位置。沒有任何地方寫著「這是一列」或「欄從這裡開始」 — 那些結構只在你閱讀時才存在於你眼裡。要把它們找回來，就必須從文字實際所在的位置反推網格。

工具分幾步來做。首先按 y 把文字片分組成列：兩個片在垂直方向相距大約半個行高之內，就屬於同一列。接著在同一列內，水平上靠近的片融合為一個儲存格（一般的字元間距），較大的空隙成為儲存格邊界（欄位之間的走道）。最後，工具看整頁中儲存格從哪裡開始，找出主導的 x 位置，將其視為欄中心 — 每個儲存格被指派到最近的欄。試算表想要的長方形網格因此產生。

演算法擅長的

• 典型的金融表 — 對帳單、發票、價目表、費用報告。每筆紀錄一列、欄之間有清楚走道、數字向右對齊：正是啟發式調校的場景，通常乾淨通過。
• 單列紀錄。當每筆紀錄都裝得進一列時，列偵測可靠。
• 佔滿整頁寬的表。欄偵測在欄距離夠開且全頁一致時表現最好。
• 右對齊與左對齊。兩者都吃 — 重點是欄與欄之間有可辨識的走道。

困難之處

• 會換行的儲存格。內容跨到第二行的儲存格 — 長產品描述、多行地址 — 通常被切成兩列。在試算表裡輕修就能處理（或乾脆走 pdf-to-txt，手工重建表，如果輕修不划算）。
• 合併儲存格。視覺上跨兩欄的標題只會出現在其中一欄 — 最近的那欄。合併會以 A 欄有值、B 欄空白的形式呈現。
• 並排兩個表。欄偵測器同時看到兩個，可能把它們壓成一個寬表。事先把 PDF 切一半通常有幫助。
• 同一頁裡有表和內文。表上方的段落會貢獻自己的「文字列」 — 幾列實際並非列，刪除很容易。
• 跨多頁的表。每一頁都會變成獨立工作表。要把它們縫成連續的表，請在抽取後把資料區塊複製貼上。
• 掃描的 PDF。跟所有文字抽取一樣的注意事項：頁面若是影像（掃描的對帳單、拍照的收據），就沒有東西可讀。先到別的工具做 OCR。

最後拿到什麼

一個 .xlsx。每一頁 PDF 變成自己的工作表，名稱是 Page 1、Page 2 等。可以在 Excel、Numbers、Google 試算表、LibreOffice — 任一個 — 開啟。儲存格是純值；沒有格式、公式、樣式。重點是：數字現在又是數字了，欄位現在又是欄位了。

若你要 CSV 而非 xlsx，從你的試算表 App 把工作表另存為 CSV 即可 — 一個選單之遙。

實務筆記

1. 若 PDF 有密碼，先用 unlock-pdf。加密的 PDF 無法為了抽取儲存格而被打開。
2. 對於非常寬的表，抽取前把來源 PDF 旋轉為橫向有幫助 — 欄少了，走道更乾淨。旋轉在 edit-pdf 裡進行。
3. 若你只要文字、不要結構，pdf-to-txt 比較快，結果也比較好重新排列。
4. 反向操作 — 把 Excel 工作表放進 PDF — 是 excel-to-pdf。

你的檔案會怎樣

抽取在你的瀏覽器中執行。打開 DevTools，在執行時觀察 Network 面板 — 不會看到任何攜帶檔案內容的對外請求。PDF 留在磁碟；.xlsx 是放在它旁邊的新下載。