Заказчик прислал спецификацию в PDF, а для закупки нужна таблица Excel с фильтрами и подсчетом количества. Ручной перенос десятков страниц занимает время, но автоматическая конвертация тоже требует проверки: одна потерянная запятая меняет объем заказа в десять раз. ContentReader PDF позволяет извлекать таблицы и распознавать сканы. Ниже порядок работы, который помогает сохранить структуру документа и проверить инженерные данные.
Проверьте текстовый слой PDF
Попробуйте выделить отдельное слово и скопировать его в текстовый редактор. Если текст копируется корректно, в файле есть пригодный текстовый слой. Если выделяется страница целиком или символы превращаются в нечитаемый набор, потребуется распознавание либо исправление результата прежнего OCR.
В одном документе могут сочетаться обычные страницы и сканы. Поэтому проверьте начало, середину и конец спецификации. Не оценивайте весь комплект по титульному листу.
Работайте с копией файла. Сохраните исходный PDF отдельно: он понадобится для сверки сомнительных значений, последовательности страниц и примечаний. При получении нового выпуска не заменяйте предыдущий без фиксации ревизии.
Подготовьте страницы для распознавания
Поверните неправильно ориентированные страницы, проверьте перекос и читаемость мелких символов. Если таблица снята на телефон под углом, запросите исходный PDF или качественный скан. Программа не восстановит достоверное обозначение там, где исходное изображение не позволяет различить буквы.
Укажите языки, которые действительно встречаются в документе. В русскоязычной спецификации могут быть латинские марки оборудования. Особого внимания требуют похожие символы: О и 0, латинская B и русская В, I и 1. Ошибка в обычном слове заметна, а в артикуле часто выглядит правдоподобно.
Не пытайтесь повысить надежность только увеличением картинки на экране. Масштаб просмотра не добавляет информации в нечеткий скан. Сначала оцените качество исходника, затем приступайте к извлечению.
Сохраните структуру таблицы
Для отдельного фрагмента используйте извлечение таблицы, для многостраничной ведомости удобнее конвертация в Excel. Конкретный маршрут в интерфейсе зависит от версии ContentReader PDF. В линейке продукта предусмотрены OCR и сохранение результатов в редактируемых табличных форматах.
Перед обработкой всего файла проверьте одну сложную страницу: с объединенными ячейками, длинными наименованиями и переносами строк. Если столбцы смешиваются, исправьте распознавание и структуру доступными средствами редактора либо преобразуйте фрагмент отдельно.
Следите за границами строк. Наименование одного изделия может занимать три строки на бумаге, но в итоговой таблице должно оставаться одной записью. И наоборот, две соседние позиции не должны объединиться из-за отсутствующей горизонтальной линии.
Шапки, повторенные на каждой странице, убирайте из массива данных после проверки. Примечания и общие требования вынесите на отдельный лист или в явно обозначенные поля. Иначе они будут попадать в сортировку вместе с изделиями.
Какие значения проверить вручную
В первую очередь сверяйте марки и артикулы, диаметры, сечения, единицы измерения, количество и массу. Сравнивайте данные с PDF построчно на участках с неуверенным распознаванием и выборочно на остальных страницах.
Особенно внимательно проверьте переходы между страницами. Здесь чаще теряется продолжение наименования или появляется лишняя строка. Убедитесь, что номер позиции относится к тому же изделию, количеству и единице измерения.
Проверьте обозначения вроде DN, Ø, м² и м³. Утрата верхнего индекса может превратить площадь или объем в линейную величину. Символ умножения в размере тоже нельзя бездумно заменять: запись 100×50 описывает геометрию, а не число для арифметической операции.
Приведите данные к рабочему виду в Excel
Столбцы артикулов и обозначений разумно хранить как текст. Иначе начальные нули могут исчезнуть, а комбинация с дефисом превратиться в дату. Для количественных столбцов, наоборот, нужен числовой формат.
Проверьте десятичные разделители и пробелы между разрядами. Внешне одинаковые значения иногда сохраняются как текст и не участвуют в суммировании. Исправляйте формат по назначению столбца, а не массовой заменой во всем файле.
Формулы исходного Excel из PDF обычно восстановить нельзя: PDF хранит результат представления документа. Если нужна расчетная таблица, формулы вводят заново и проверяют на известных значениях. Не принимайте распознанный итог за доказательство правильности всех строк.
Как проверить полноту переноса
Сравните количество позиций, последовательность номеров и итоги по группам. Суммируйте только сопоставимые значения: штуки отдельно, метры отдельно, массу отдельно. Общая сумма столбца с разными единицами ничего не подтверждает.
Если в документе есть итог, пересчитайте его по строкам и разберите расхождения. Учтите округления и примечания. Для позиции с количеством 12 и массой единицы 2,5 кг контрольная масса составит 30 кг, но только если исходная таблица действительно использует такую зависимость.
Сохраните рядом исходный PDF и проверенный XLSX. В рабочей таблице укажите документ и ревизию, по которым выполнен перенос. Для извлечения таблиц не стоит выбирать редакцию программы только по наличию дополнительных корпоративных функций: сначала проверьте нужный сценарий на собственном файле и уточните состав лицензии.
