PDF की टेबल को Excel में कैसे निकालें

कुछ PDF अच्छी तरह क्यों बदलती हैं और कुछ नहीं

PDF में असल में टेबल नहीं होतीं। उसमें टेक्स्ट के टुकड़े पेज पर एकदम तय जगहों पर रखे होते हैं, साथ में कुछ रेखाएँ जो संयोग से ग्रिड जैसी दिखती हैं। कन्वर्टर को उन जगहों को देखकर अंदाज़ा लगाना पड़ता है कि कौन-सा टेक्स्ट किस रो और कॉलम में जाएगा। जब PDF डिजिटल रूप से बनी हो, जैसे Tally जैसे अकाउंटिंग सॉफ़्टवेयर, किसी स्प्रेडशीट या नेट बैंकिंग पोर्टल से, तो टेक्स्ट असली और सही क़तार में होता है, और वह अंदाज़ा आमतौर पर बहुत अच्छा होता है।

मुश्किल उन लेआउट से शुरू होती है जो ग्रिड को मोड़ देते हैं। इन मामलों में हम बाद में थोड़ी सफ़ाई की उम्मीद रखते हैं:

• मर्ज की हुई सेल और कई कॉलम पर फैली हेडिंग।
• ऐसी रो जिनमें विवरण दो-तीन लाइनों में टूटता है।
• हर पेज के ऊपर दोहराई गई हेडर रो।
• बिना किसी रेखा वाली टेबल, जहाँ कॉलम सिर्फ़ ख़ाली जगह से अलग होते हैं।
• एक ही पेज पर अगल-बगल रखी कई छोटी टेबल।

स्कैन की हुई PDF को पहले OCR चाहिए

अगर आपकी PDF किसी पेज का स्कैन या फ़ोटो है, तो उसमें कोई टेक्स्ट है ही नहीं, बस टेक्स्ट की तस्वीर है। टेबल कन्वर्टर के पास पढ़ने को कुछ नहीं होता और वह ख़ाली या बेकार स्प्रेडशीट बनाता है। एक झटपट जाँच: अपने PDF व्यूअर में किसी एक नंबर को सेलेक्ट करने की कोशिश करें। अगर वह हाइलाइट नहीं होता, तो पेज एक इमेज है।

उपाय है पहले OCR PDF चलाना। यह अक्षरों को पहचानता है और दस्तावेज़ में असली टेक्स्ट लेयर जोड़ता है, जिसके बाद PDF to Excel के पास काम करने को कुछ होता है। पर नतीजों को लेकर व्यावहारिक रहें। साफ़, सीधे स्कैन पर OCR अच्छा है, लेकिन वह मिलते-जुलते अक्षरों जैसे 0 और O, 1 और l, या कॉमा और फ़ुल स्टॉप में उलझ सकता है, और रक़मों की टेबल में ये गलतियाँ मायने रखती हैं। स्कैन की हुई टेबल को हमेशा डिजिटल टेबल से ज़्यादा ध्यान से जाँचना पड़ता है।

PDF को Excel में बदलने का तरीका, क़दम दर क़दम

PDF to Excel हमारे सर्वर पर चलता है, क्योंकि टेबल दोबारा बनाने के लिए जितनी प्रोसेसिंग चाहिए, वह ब्राउज़र आराम से नहीं कर पाता। आपकी फ़ाइल जर्मनी में हमारे सर्वर पर अपलोड होती है और कन्वर्ज़न के तुरंत बाद डिलीट हो जाती है। फ़्री अकाउंट चाहिए; फ़्री प्लान में रोज़ 3 टास्क और 10 MB तक की फ़ाइलें हैं, और Bronze, Silver और Gold प्लान ज़्यादा देते हैं।

• 1. अगर PDF लंबी है और सिर्फ़ कुछ पेज चाहिए, तो पहले PDF से पेज निकालें से उसे छोटा करें। कम कन्वर्ट होगा तो कम साफ़ करना पड़ेगा।
• 2. PDF to Excel खोलें और अपनी PDF बॉक्स में डालें।
• 3. Convert to Excel पर क्लिक करें और रुकें जब तक सर्वर पेजों का विश्लेषण करता है।
• 4. XLSX फ़ाइल डाउनलोड करें। PDF का हर पेज अपनी अलग शीट बनता है।
• 5. उसे Excel, Google Sheets, Numbers या LibreOffice में खोलें और जाँच शुरू करें।

नंबरों पर भरोसा करने से पहले जाँच

हम बदली हुई स्प्रेडशीट को बिना जाँचे कभी इस्तेमाल नहीं करते, ख़ासकर पैसों के मामले में। कन्वर्ज़न आमतौर पर सही होता है, लेकिन आमतौर पर इनकम टैक्स रिटर्न या इनवॉइस के विवाद के लिए काफ़ी नहीं है। हमारी जाँच में कुछ मिनट लगते हैं:

• टोटल मिलाएँ। अगर PDF में कोई टोटल या क्लोज़िंग बैलेंस है, तो Excel में कॉलम जोड़कर तुलना करें। मेल खाना सबसे पक्का संकेत है कि सब सही जगह पहुँचा।
• देखें कि नंबर सच में नंबर हैं। बाईं ओर सटी सेल अक्सर टेक्स्ट के रूप में सेव होती हैं और जुड़ती नहीं। Excel का Convert to Number या एक से गुणा करने का तरीका इसे ठीक कर देता है।
• दशमलव चिह्न पर नज़र रखें। 1.234,56 वाले स्टेटमेंट को 1,234.56 पर सेट स्प्रेडशीट ग़लत पढ़ सकती है। कुछ भी जोड़ने से पहले सही रीजनल फ़ॉर्मेट सेट करें। भारतीय रक़मों में 1,23,456 जैसी लाख वाली कॉमा भी कभी-कभी टेक्स्ट बन जाती है, उसे भी देखें।
• खिसकी हुई रो ढूँढें। टूटे हुए विवरण कभी-कभी एक अतिरिक्त रो बना देते हैं, जिससे रक़में अपने लेबल से एक लाइन हट जाती हैं।
• हर पेज से आई दोहराई हेडर रो हटाएँ, फिर अगर पेजों में सॉर्ट या फ़िल्टर करना है तो शीटों को एक टेबल में जोड़ें।

जब कोई दूसरा तरीका तेज़ हो

एक छोटी टेबल के लिए, सच कहें तो, PDF व्यूअर में उसे सेलेक्ट करके Excel में पेस्ट करना तेज़ हो सकता है, ख़ासकर अगर फिर Excel के Text to Columns से वैल्यू अलग करें। ऐसे टेक्स्ट वाले दस्तावेज़ों के लिए जहाँ टेबल कहानी का सिर्फ़ एक हिस्सा हैं, PDF to Word पैराग्राफ़ और टेबल को एक एडिट होने वाले दस्तावेज़ में साथ रखता है।

और अगर आप दस्तावेज़ निकाल नहीं, बल्कि बना रहे हैं, जैसे किसी क्लाइंट को भेजने के लिए इनवॉइस या सादा बजट, तो /templates पर हमारे भरने योग्य टेम्पलेट एक तैयार लेआउट देते हैं जिसे आप ब्राउज़र में भरते हैं। जब स्प्रेडशीट तैयार हो जाए और उसे फिर से एक तय दस्तावेज़ बनकर बाहर जाना हो, तो Excel से PDF चक्र पूरा कर देता है।

एक असली उदाहरण: बजट के लिए बैंक स्टेटमेंट

हमारा एक आम काम है तीन महीने के बैंक स्टेटमेंट को एक बजट शीट में बदलना। हम नेट बैंकिंग पोर्टल से स्टेटमेंट PDF में डाउनलोड करते हैं, जिससे असली टेक्स्ट वाली डिजिटल फ़ाइलें मिलती हैं, जो सबसे अच्छी शुरुआत है। भारत में ईमेल से आने वाले स्टेटमेंट अक्सर पासवर्ड से बंद होते हैं; ऐसे में PDF अनलॉक करें से पहले पासवर्ड हटाएँ, क्योंकि बंद फ़ाइल कन्वर्ट नहीं होती। फिर हर स्टेटमेंट PDF to Excel से गुज़रता है।

स्प्रेडशीट में हम दोहराए गए पेज हेडर हटाते हैं, हर शीट से ट्रांज़ैक्शन की रो एक टेबल में कॉपी करते हैं, तारीख़ और रक़म के फ़ॉर्मेट ठीक करते हैं, और हर महीने का जोड़ स्टेटमेंट के क्लोज़िंग बैलेंस से मिलाते हैं। जब ये मेल खा जाते हैं, तो एक कैटेगरी कॉलम जोड़कर वहीं से बजट बनाते हैं। पूरे काम में लगभग बीस मिनट लगते हैं, जबकि दोबारा टाइप करने में पूरी दोपहर चली जाती।

अक्सर पूछे जाने वाले सवाल