为什么要 PDF 转 Excel
PDF 表格里的数据想编辑、计算、分析，但在 PDF 里改不了。转成 Excel 就能用公式、做图表、排序筛选。
常见场景：
- 财务报表数据提取
- 统计数据录入
- 发票信息整理
- 调查问卷数据汇总
PDF 表格的类型
文本型表格
PDF 里表格的文字是文本层（可选中复制）。转换相对容易，提取文字 + 识别表格结构。
扫描型表格
纸质表格扫描成 PDF，本质是图片。需要 OCR 识别文字，还要识别表格线条结构。难度大。
无线表格
PDF 里表格没有可见边框，靠对齐排列。识别困难，因为没有线条参考。
表格结构识别
识别流程
- 检测表格区域：找到 PDF 里的表格位置
- 识别线条：横线竖线确定行列结构
- 定位单元格：线条交叉点确定单元格
- 提取文字：每个单元格里的文字
- 重建表格：按行列生成 Excel 表格
难点
- 合并单元格：跨多列或多行的单元格
- 嵌套表格：表格里套表格
- 跨页表格：一个表格分两页
- 空单元格：没有文字的单元格
- 倾斜表格：扫描歪了
文本型 PDF 转 Excel
方法
文本型 PDF 有文字层，直接提取：
- 读取 PDF 文字和位置
- 识别表格线条
- 按位置把文字归入单元格
- 生成 Excel
还原度
- 规则表格（横平竖直、无合并）：还原度高
- 复杂表格（合并单元格、嵌套）：还原度一般
- 无线表格：还原度低
扫描型 PDF 转 Excel
需要 OCR + 表格识别
扫描型 PDF 没有文字层：
- OCR 识别文字
- 识别表格线条结构
- 把识别的文字按表格结构排列
- 生成 Excel
比文本型难，准确率受扫描质量和 OCR 影响大。
转换步骤
1. 判断类型
尝试选中表格里的文字。能选中是文本型，不能是扫描型。
2. 转换
- 上传 PDF
- 工具识别表格结构
- 生成 Excel 文件
- 下载
3. 校验数据
转换后必须校验：
- 数据是否完整（有没有漏行漏列）
- 数字是否正确（OCR 可能把 0 识别成 O）
- 表格结构是否对（行列是否错位）
- 合并单元格是否还原
提高准确率的技巧
源 PDF 质量要好
- 清晰度高
- 表格线条清晰
- 没有倾斜和污渍
简化表格
- 避免合并单元格（转换前在源文档拆分）
- 避免嵌套表格
- 一页一个表格（跨页表格难处理）
分页转换
每页单独转换，校验后再合并。比一次转整个 PDF 准确。
数字校对重点
OCR 容易认错数字和字母：
- 0 和 O
- 1 和 l、I
- 5 和 S
- 8 和 B
财务数据、身份证号等关键数字必须逐个校对。
用 Excel 公式验证
转换后用 Excel 公式验证数据合理性：
- 合计是否对
- 百分比是否在 0-100%
- 日期是否合理
常见问题
表格变成纯文本
- 表格结构识别失败
- 解决：手动在 Excel 里重建表格，复制文字
数据错位
- 单元格归位错误
- 解决：手动调整
数字错误
- OCR 识别错误
- 解决：逐个校对数字
跨页表格丢失
- 一个表格分两页，只识别了一页
- 解决：手动合并两页数据
合并单元格拆分
- 合并单元格被拆成多个单元格，数据只在一个里
- 解决：手动合并或补全数据
空单元格丢失
- 空单元格没识别，导致列错位
- 解决：对照原 PDF 补空单元格
替代方案
手动录入
如果表格不大（一两页），手动录入 Excel 比转换后校对更快更准。
复制粘贴
文本型 PDF 可以选中表格文字复制，粘贴到 Excel。粘贴后可能需要"分列"整理。
用 PDF 表单提取
如果 PDF 是表单格式，用 PDF 表单提取工具直接提取字段数据。
小结
PDF 转 Excel 核心是表格结构识别和文字提取。文本型比扫描型容易，规则表格比复杂表格准确。转换后必须校验数据，尤其数字。DocsAll PDF 转 Excel 工具 浏览器端运行，文件不外传。小表格手动录入可能更高效。