Chuyển bảng PDF sang Excel bị lệch cột: vì sao và cách sửa
Bởi đội ngũ FreePDF ·
Chuyển bảng từ PDF sang Excel xong thì cột bị lệch, một dòng vỡ thành hai, số tiền nhảy sang ô bên cạnh. Thường không phải do công cụ “hỏng”, mà vì bảng trong PDF chỉ trông giống bảng. PDF ghi lại vị trí từng nét chữ trên trang, chứ không phải lúc nào cũng lưu quan hệ hàng và cột mà Excel cần.
Công cụ chuyển đổi đang cố dựng lại điều gì
PDF sang Excel của chúng tôi dùng pdfplumber để dò các đường kẻ và khoảng cách giữa các chữ, rồi đoán đâu là ranh giới ô. Một bảng xuất thẳng từ Excel hay phần mềm kế toán có vị trí chữ đều đặn và thường có đường kẻ, nên việc dựng lại khá chắc chắn. Còn bản scan, ảnh chụp màn hình hay báo cáo có tiêu đề gộp ô thì phải suy ra từ điểm ảnh hoặc khoảng trắng không đều.
- Ra kết quả tốt nhất: PDF số xuất từ Excel, MISA, phần mềm ngân hàng hoặc báo cáo có cột thẳng hàng.
- Cần soát kỹ: ô nhiều dòng, tiêu đề gộp, bảng bị ngắt sang trang sau, và dòng tổng nằm ngoài khung bảng.
- Phải OCR trước: ảnh chụp và bản scan, vì chúng không có chữ nào chọn được.
Dấu chấm, dấu phẩy: lỗi riêng của số liệu tiếng Việt
Công cụ ghi mỗi ô đúng như chữ trong PDF, dưới dạng văn bản, nên 1.250.000 đồng về Excel vẫn là chữ và hàm SUM sẽ bỏ qua nó. Rắc rối nằm ở bước đổi sang số. Người Việt dùng dấu chấm để ngăn hàng nghìn và dấu phẩy cho phần thập phân, còn Excel đổi chữ thành số theo định dạng vùng của Windows. Nếu máy bạn để kiểu Mỹ, 1.250 có thể thành một phẩy hai lăm, 12,5 thì không đổi được, và ngày 03/04 có thể bị đọc thành mùng 4 tháng 3. Trước khi đổi, hãy xem dấu thập phân trong Control Panel, mục Region, hoặc dùng Data, rồi Text to Columns và bấm Advanced để chỉ rõ dấu nào ngăn hàng nghìn, dấu nào là thập phân.
Sửa từ nguyên nhân, đừng sửa từng ô
Mở PDF gốc cạnh bảng tính. Nếu cả một cột bị dịch sang phải, sửa cả vùng đó rồi xem trang kế tiếp có lặp lại đúng kiểu lệch ấy không. Nếu chữ dính liền vì bản gốc không có cột rõ ràng, tự dựng lại riêng bảng đó thường an toàn hơn thử chuyển đi chuyển lại nhiều lần.
Với bảng scan, chạy OCR PDF trước rồi mới chuyển sang Excel. Công cụ đọc bảng dùng được lớp chữ OCR, nhưng hãy kiểm tra các cột, vì đôi khi hai ô cạnh nhau bị gộp làm một. Cũng cần biết OCR của chúng tôi chỉ đọc tiếng Anh: con số thường ra đúng, nhưng tên hàng, tên khách hay diễn giải bằng tiếng Việt sẽ mất dấu. Nếu cần giữ phần chữ, hãy chạy ocrmypdf trên máy của bạn với -l vie, hoặc -l vie+eng.
Chọn đúng nơi để đưa bảng tới
Chọn Excel khi cần tính toán, lọc hoặc dùng lại từng dòng. Nếu bạn chủ yếu cần sửa phần báo cáo xung quanh và bảng chỉ để đọc, Word hợp hơn. Còn nếu chỉ cần trích vài con số, sao chép một vùng đã kiểm tra có khi nhanh hơn dựng lại cả bảng tính.
Kiểm tra nhanh trước khi tin vào số liệu
- So số dòng và tiêu đề cột với bản gốc.
- Soi thử dòng đầu, dòng giữa và dòng cuối của từng trang.
- Tự cộng lại dòng tổng. Một cột trông đúng vẫn có thể lệch một dấu phẩy hoặc mất dấu âm, nhất là số âm ghi trong ngoặc đơn kiểu kế toán.
- Chỉ định dạng ngày và số sau khi đã chắc giá trị nhập vào là đúng.
Câu hỏi thường gặp
Vì sao một bảng PDF lại bị tách thành nhiều sheet?
Ngắt trang và tiêu đề lặp lại ở đầu mỗi trang khiến bản gốc trông như nhiều bảng riêng. Hãy xem ranh giới giữa các trang, rồi gộp các vùng đã kiểm tra lại với nhau nếu chúng cùng một bảng.
Excel có dựng lại hoàn hảo bảng từ bản scan không?
Không thể trông chờ điều đó nếu không soát lại. OCR nhận ra chữ và số, nhưng một tấm ảnh không có ô thật. Hãy coi kết quả là bản nháp và kiểm tra mọi giá trị ảnh hưởng đến quyết định hay phép tính.