Mengapa tabel dari PDF hasilnya salah di Excel
Mengapa tabel saya berantakan saat mengubah PDF ke Excel?
Simpan alat favorit Anda
Buat akun iBuildPDF gratis untuk menyimpan alat favorit Anda dan menemukannya dengan cepat kapan saja.
Akun gratis. Alat PDF-nya sendiri tidak pernah memerlukan akun.
Jawaban singkat
Karena tabelnya tidak pernah ada di file. PDF mencatat setiap potongan teks di sebuah posisi di halaman, dan garis-garis tabel sebagai instruksi menggambar terpisah yang tidak melekat pada apa pun. Tidak ada baris, kolom, atau sel yang disimpan. Konverter harus mencari tahu letak kolom dari kesejajaran nilai-nilainya, jadi judul yang digabung, nilai yang terbagi menjadi dua baris, atau tabel tanpa garis di sekitarnya masing-masing bisa menggeser batas dan memindahkan data ke sel yang salah. Tidak ada yang rusak saat hal itu terjadi; informasi yang dibutuhkan konverter memang tidak pernah dicatat.
Tidak ada tabel di dalam file
Inilah bagian yang layak dipercaya sebelum hal lain, karena setiap kejutan lainnya berasal dari sini.
Halaman yang sama, seperti dilihat pembaca dan seperti disimpan file
- Yang Anda lihat: baris, kolom, dan sel, dengan garis yang membuat strukturnya jelas.
- Yang dicatat file: setiap nilai sebagai potongan teks tersendiri di posisinya sendiri di halaman. Tidak ada yang menyatukan tiga nilai dalam satu baris.
- Garis tabel adalah instruksi menggambar, seperti tanda lain di halaman. Garis itu tidak melekat pada teks, dan tabel yang digambar tanpa garis disimpan dengan cara yang persis sama.
Saat pengolah kata atau spreadsheet mengekspor PDF, aplikasi itu menggambar tabelnya. Aplikasi menulis INV-1001 di satu posisi, 2026-01-04 di posisi lain, 1,240.00 di posisi ketiga, lalu menggambar beberapa garis. Garis-garis itu instruksi menggambar seperti yang lain — mekanisme yang sama yang menggambar logo atau garis bawah. Tidak ada apa pun di file yang menyatakan bahwa ketiga nilai itu termasuk satu baris, atau bahwa garis di antara dua di antaranya adalah batas kolom, bukan garis hiasan.
Mudah untuk mengujinya. Ambil halaman berisi dua tabel, satu bergaris dan satu tidak, lalu tanyakan kepada pengambil teks apa pun isi halamannya. Keduanya kembali sebagai hal yang sama: daftar nilai, satu demi satu, kira-kira dalam urutan saat digambar. Tabel bergaris dan yang tidak bergaris tidak bisa dibedakan di hasilnya, karena garis-garis itu memang tidak pernah menjadi bagian dari datanya.
PDF bisa membawa struktur sungguhan — PDF yang memiliki tag mencatat tanda mana yang merupakan tabel, baris, dan sel, terutama untuk pembaca layar. Ini opsional, sebagian besar ekspor tidak menghasilkannya, dan sebagian besar yang menghasilkannya melakukannya dengan tidak sempurna. Apa yang membuat PDF aksesibel membahas apa itu tag dan mengapa begitu sedikit yang ada di dunia nyata.
Jadi saat konverter memberi Anda spreadsheet, konverter itu tidak membaca tabel dari dokumen. Konverter melihat di mana teks mendarat lalu menyusun dugaan.
Apa yang sebenarnya ditebak konverter
Dua hal, dan yang kedua jauh lebih sulit daripada yang pertama.
Dari mana batas kolom berasal, dan apa yang menggesernya
- Batasnya disimpulkan, bukan dibaca: jalur ruang kosong yang membentang setinggi tabel dianggap sebagai tepi kolom.
- Nilai yang cukup panjang untuk melintasi jalur itu menutupnya, dan batas yang bergantung padanya bergeser atau menghilang.
- Teks yang terbagi di dalam selnya berada di garis dasar baru, sehingga terbaca sebagai baris baru dengan semua sel lainnya kosong.
Baris biasanya mudah: teks yang berada di garis dasar yang kira-kira sama adalah satu baris. Ini umumnya berhasil, itulah sebabnya tabel sederhana biasanya terkonversi dengan baik.
Kolom harus disimpulkan dari celah vertikal — lorong yang menurun di sepanjang halaman tempat teks tidak pernah muncul. Temukan jalur ruang kosong yang bersih dari atas tabel sampai bawah, dan itulah batas kolom. Ini heuristik yang baik. Inilah hal-hal yang merusaknya:
- Nilai yang cukup panjang untuk menutup lorong. Satu deskripsi panjang atau satu angka besar dengan pemisah bisa melintasi jalur yang menentukan batas itu, dan setiap baris di bawahnya bisa terbaca seolah kolomnya berkurang satu.
- Teks yang terbagi di dalam sel. Baris keduanya berada di garis dasarnya sendiri, sehingga terbaca sebagai baris tersendiri — dan sel-sel di sampingnya kosong, begitulah tabel 40 baris tiba dengan 60 baris.
- Judul yang digabung atau membentang. Judul yang diletakkan di tengah tiga kolom tidak sejajar dengan satu pun, dan bisa menarik baris judul keluar dari kesejajaran dengan semua yang ada di bawahnya.
- Angka rata kanan di samping teks rata kiri. Lorongnya tidak lurus, jadi tepinya kabur dan batasnya jatuh di tempat berbeda tergantung baris mana yang disampel.
- Tabel yang berlanjut ke halaman berikutnya. Setiap halaman dibangun ulang berdasarkan buktinya sendiri, jadi judul yang diulang menjadi baris data di tengah, dan batas kolom yang ditemukan di halaman dua belum tentu cocok dengan halaman satu.
Tidak satu pun dari ini merupakan cacat konverter tertentu. Ini masalah rekonstruksi, dan rekonstruksi kadang keliru.
Apa yang dilakukan PDF ke Excel di situs ini
PDF ke Excel adalah pengambil tabel. Itu bukan detail cara pembuatannya, melainkan memang inilah alatnya, dan mengetahuinya menghindarkan banyak kebingungan:
- Alat ini mencari struktur tabel dan menuliskan apa yang ditemukannya ke dalam workbook. Alat ini tidak mencoba menghasilkan ulang halamannya.
- Teks paragraf bukan tabel, jadi teks paragraf tidak keluar. Halaman berisi paragraf tidak menghasilkan apa pun, dan itu jawaban yang benar, bukan kegagalan.
- Alat ini berjalan di server pemrosesan situs ini, bukan di browser Anda — ini salah satu pekerjaan yang memang tidak bisa dilakukan browser. File diunggah, dikonversi, lalu dihapus setelah pekerjaannya selesai; pemberitahuan di halaman alat menjelaskan apa yang terjadi padanya.
Dua alat terkait sering kali menjadi pilihan yang lebih baik:
- PDF ke Word mencoba membangun ulang halamannya — tata letak, judul, dan tabel sebagai tabel Word. Jika yang Anda inginkan adalah dokumennya, bukan angka-angkanya, mulailah dari sana. Mengubah PDF ke Word tanpa kehilangan format membahas apa yang bertahan.
- Ambil teks berjalan di browser Anda dan memberi Anda teks mentah tanpa rekonstruksi sama sekali. Untuk tabel kecil, menempelkannya ke spreadsheet lalu memisahkannya sendiri sering lebih cepat daripada berdebat dengan konverter, dan Anda bisa melihat persis bahan yang sedang Anda kerjakan.
Jika alat menyatakan tidak ada yang bisa diambil
Pesan ini berarti konverter sudah berjalan, membaca halaman-halamannya, dan tidak menemukan struktur tabel. Itu jawaban yang sungguhan, dan ada tiga alasan yang biasa.
Halamannya gambar. Hasil pindaian, foto, atau tangkapan layar yang ditempel ke dokumen sama sekali tidak berisi teks — hanya piksel yang tampak seperti teks. Tidak ada yang bisa diposisikan pengambil teks, jadi tidak ada yang bisa ditemukan. Jalankan OCR lebih dulu untuk menambahkan lapisan teks, lalu konversi. Apakah PDF saya hasil pindaian atau teks? menunjukkan cara mengetahuinya dalam beberapa detik, dan OCR atau PDF ke Word? menjelaskan mana yang Anda perlukan.
Yang Anda lihat bukan tabel. Daftar dengan angka yang sejajar, formulir, atau tata letak dua kolom bisa tampak seperti tabel bagi pembaca tetapi tidak menunjukkan struktur seperti tabel bagi pengambil teks. Ambil teks adalah alat yang tepat untuk itu.
Tabelnya ditata longgar. Jarak yang lebar dan tidak rata tanpa lorong yang konsisten tidak memberi heuristiknya apa pun untuk dipegang. Mengonversi halaman itu saja kadang berhasil ketika mengonversi seluruh dokumen tidak, karena buktinya tidak lagi dirata-ratakan dengan halaman lain yang tidak sepakat.
Mendapat hasil yang lebih baik
- Kembali ke sumbernya jika ada. Jika PDF berasal dari spreadsheet, spreadsheet itu masih memegang baris dan kolom yang sebenarnya. Setiap konversi adalah rekonstruksi; file aslinya bukan.
- Konversi halaman yang berisi tabel, bukan seluruh dokumen. Gunakan ambil halaman lebih dulu. Lebih sedikit halaman berarti lebih sedikit bukti yang bertentangan, dan Anda cepat tahu apakah masalahnya hanya satu halaman yang merepotkan.
- Periksa hasilnya terhadap PDF sebelum Anda memakainya. Bandingkan jumlah baris dan jumlahkan satu kolom. Kesalahan yang diam — kolom yang bergeser, baris yang menyatu dengan baris di atasnya — adalah yang merugikan, karena tidak ada yang tampak rusak.
- Jika tata letaknya tidak bisa diharapkan, ambil teksnya saja. Ambil teks ditambah fitur text-to-columns milik Excel sendiri memberi Anda kendali atas pemisahannya, dan untuk tabel di bawah beberapa puluh baris biasanya lebih cepat.
- Halaman hasil pindaian memerlukan OCR, dan OCR pada tabel adalah tebakan ganda — pertama karakter apa masing-masing, lalu di mana kolomnya. Periksa angka satu per satu; angka 6 yang terbaca 8 tidak tampak salah di mana pun.
- Periksa jumlah halaman dulu. Jumlah halaman dan info file juga melaporkan apakah dokumen punya lapisan teks sama sekali, yang menjawab pertanyaan soal hasil pindaian sebelum Anda mengonversi apa pun.
Alat yang dibahas artikel ini
Sumber
Dokumentasi utama untuk klaim di atas.



