من PDF إلى Excel: كيف يعمل استخراج الجداول فعلًا

ترى الجدول في ملف PDF: صفوف، وأعمدة، وصف عناوين، ومجموع في الأسفل. ويبدو بديهيًا أن تنقله أداة التحويل مباشرةً إلى جدول بيانات. والمشكلة أن ملف PDF لا يحتوي على جدول. بل يحتوي على تعليمات لرسم أحرف في مواضع معينة وخطوط في مواضع أخرى، والشبكة التي تراها شيء تركّبه عيناك. وكل أداة تحويل من PDF إلى Excel عليها أن تعيد بناء الجدول من تلك القطع المبعثرة، ولهذا تتراوح النتائج بين المثالية وعدم الصلاحية للاستخدام. يشرح هذا الدليل كيف تجري إعادة البناء تلك، وأين تفشل، وكيف تُدخل أرقامًا نظيفة إلى Excel في الحالتين.

ما الذي يوجد فعلًا داخل جدول PDF

خذ صفًا من فاتورة بثلاثة أعمدة: «استشارات» و«12 مارس 2026» و«1,250.00». داخل ملف PDF، هذه مجموعة من أجزاء نصية منفصلة، لكل منها إحداثي أفقي وآخر رأسي. وقد لا تطابق الأجزاء الكلمات: فبرنامج يكتب «1,250.00» قطعة واحدة، وآخر يكتبها «1,2» و«50.00»، وثالث يضع كل حرف وحده. ولا يلزم أن تظهر بترتيب القراءة أيضًا. فبعض البرامج ترسم الجدول كله عمودًا عمودًا.

وخطوط الشبكة تعليمات رسم منفصلة، لا صلة لها بالنص. فقد يُرسم خط سميك في صورة مقاطع قصيرة كثيرة، وقد يكون الصف المظلّل مستطيلًا معبّأً بلا خطوط على الإطلاق، وكثير من الجداول لا خطوط فيها البتة. ولا شيء في الملف يقول «هذه خلية» أو «هاتان الخليتان مدمجتان» أو «هذا الصف ينتمي إلى الجدول».

الطريقتان اللتان تجد بهما أدوات التحويل الجدول

تستخدم أدوات استخراج الجداول عمومًا إحدى طريقتين. وتسمّيهما الأدوات مفتوحة المصدر مثل Tabula وCamelot «lattice» (الشبكة) و«stream» (التدفق).

• تتبّع الخطوط المسطّرة (lattice). تجمع أداة التحويل الخطوط الأفقية والرأسية، وتحدد مواضع تقاطعها، وتعامل كل منطقة محاطة على أنها خلية. ثم تضع كل قطعة نص في الخلية التي تقع داخلها. وتعمل هذه الطريقة جيدًا جدًا مع الجداول ذات الشبكة الكاملة. وتفشل حين لا توجد خطوط، أو حين تكون الخطوط مقطّعة إلى أجزاء لا تلتقي تمامًا، أو حين يُستخدم التظليل بدلًا من الحدود.
• تتبّع المساحات البيضاء (stream). تجمّع أداة التحويل النص في صفوف حسب ارتفاعه في الصفحة، ثم تبحث عن فجوات رأسية تمتد باتساق عبر الصفوف وتعاملها على أنها حدود الأعمدة. وهذه الطريقة تتعامل مع الجداول بلا حدود، مثل كثير من الكشوف المالية. وتتعثر حين تكون الأعمدة متقاربة، أو حين يكون عمود ما متوسّطًا لا محاذيًا، أو حين تعبر قيمة طويلة في صف واحد الفجوة التي تفصل بين عمودين في كل الصفوف الأخرى.

كلتا الطريقتين قائمة على الاستدلال التقريبي. فهما موثوقتان مع الجداول النظيفة المنتظمة وغير موثوقتين مع كل ما عداها، ولهذا لا توجد أداة تحويل تصيب كل جدول.

أين يخطئ استخراج الجداول

حتى حين تُحدَّد الأعمدة بشكل صحيح، تظهر بعض المشكلات مرة بعد مرة:

• الخلايا الملتفة. الوصف الذي يلتف إلى سطر ثانٍ يبدو كصف جديد لم يُملأ فيه إلا عمود واحد.
• العناوين المدمجة والممتدة. العنوان الذي يقع فوق عمودين يجب أن يُسند إلى أحدهما، أو إلى لا أحد منهما.
• فواصل الصفحات. الجدول الذي يستمر في الصفحة التالية يكرر صف عناوينه، وقد ينقسم صف عبر الفاصل.
• أرقام تصل نصًا. رموز العملات، وفواصل الآلاف، والقيم السالبة المعروضة بين قوسين، وعلامات الحواشي الملتصقة بالرقم، كلها قد تمنع Excel من التعرّف على الرقم. ولا تُقرأ الفاصلة العشرية، كما في «1.250,00»، بشكل صحيح إلا إذا كان Excel لديك يستخدم الاصطلاح نفسه.
• التواريخ الملتبسة. فالتاريخ 03/04/2026 هو الثالث من أبريل في بعض البلدان والرابع من مارس في بلدان أخرى، وسيختار Excel أحدهما بناءً على إعداداتك.
• خطوط بلا تعيين للنص. تضمّن بعض ملفات PDF خطوطًا دون الجدول الذي يعيد كل رسم حرفي إلى حرفه. فتُعرض بشكل مثالي، لكن نسخ نصها أو استخراجه ينتج رموزًا لا معنى لها.
• المسوحات الضوئية. الصفحة الممسوحة ضوئيًا ليس فيها نص على الإطلاق، بل صورة له فقط، لذا لا يوجد ما يُستخرج دون تقنية OCR أولًا.

ما الذي تفعله أداة PDF إلى Excel لدينا

يعمل محوّل PDF إلى Excel لدينا في متصفحك، فلا يُرفع الملف. ويمنح كل صفحة من ملف PDF ورقة عمل خاصة بها، باسم «الصفحة 1» و«الصفحة 2» وهكذا. ويكتب في العمود A كل سطر نص في الصفحة، من الأعلى إلى الأسفل، سطرًا في كل صف، ويضع كل صورة عند النقطة من الصفحة التي رُسمت فيها.

ولا يحاول تخمين مواضع الأعمدة. وهذا يحفظ كل سطر، بترتيب القراءة، دون أن يسقط شيء أو يوضع في العمود الخطأ بسبب تخمين سيئ. لكنه يعني أيضًا أن صف الجدول يصل في خلية واحدة، وقيمه مفصولة بمسافات مفردة، وعليك أنت تقسيمه إلى أعمدة. وإذا كان ملف PDF قد رسم جدوله عمودًا عمودًا، فقد تصل قيم الصف الواحد في خلايا متتالية بدلًا من ذلك.

ولا توجد تقنية OCR، لذا تصل الصفحة الممسوحة ضوئيًا صورةً لا نصًا. ويجب فتح قفل ملف PDF الذي يحتاج إلى كلمة مرور لفتحه أولًا.

تقسيم عمود واحد إلى أعمدة حقيقية في Excel

لدى Excel أدوات جيدة للنصف الثاني من المهمة:

• النص إلى أعمدة، في علامة التبويب «بيانات»، يقسم عمودًا عند محدِّد. اختر «محدد»، ثم «مسافة». وتعمل هذه الطريقة جيدًا حين لا تحتوي القيم نفسها على مسافات، وهو أمر شائع في جداول الأرقام والرموز. وضمن «خيارات متقدمة»، في الخطوة الأخيرة، يمكنك ضبط فاصل الكسور العشرية وفاصل الآلاف، مما يصلح الأرقام على نمط «1.250,00».
• التعبئة السريعة ‏(Ctrl+E) تتعلم من مثال. اكتب القيمة التي تريدها من الصف الأول في العمود التالي، واضغط Ctrl+E، فيملأ Excel الباقي باتباع النمط نفسه.
• الصيغ، في Excel لـ Microsoft 365. فالصيغة =TEXTSPLIT(A2," ") توزّع السطر على أعمدة، والصيغة =TEXTAFTER(A2," ",-1) تُرجع كل ما بعد آخر مسافة، وهو عادةً المبلغ في نهاية السطر. أحِطها بالدالة VALUE() لتحويلها إلى رقم.

ويستطيع Excel لـ Microsoft 365 على Windows أيضًا استيراد ملف PDF مباشرةً، عبر «بيانات»، ثم «الحصول على البيانات»، ثم «من ملف»، ثم «من PDF». وهو يبحث عن الجداول بنفسه ويستحق التجربة مع الجداول ذات الحدود الواضحة.

طرق أخرى تستحق التجربة

أكثر الطرق موثوقية لإخراج جدول من ملف PDF ألا تخرجه من ملف PDF أصلًا. فقد نشأت الأرقام في جدول بيانات أو نظام محاسبة أو قاعدة بيانات، ويستطيع منشئ ملف PDF عادةً تصدير البيانات نفسها جدولَ بيانات أو ملف CSV. فكثير من المصارف، مثلًا، تتيح لك تنزيل كشف الحساب بصيغة CSV إلى جانب PDF.

ولجدول بشبكة خطوط كاملة، تستحق أداة PDF إلى Word التجربة. فحين يخرج الجدول منها جدول Word حقيقيًا، يمكنك نسخه إلى Excel وتبقى الخلايا خلايا. وهذا أيضًا هو الطريق للجدول الممسوح ضوئيًا، لأن أداة PDF إلى Word تشغّل تقنية OCR على الصفحات الممسوحة ضوئيًا.

تحقق من النتيجة قبل أن تستخدمها

أخطاء الاستخراج صامتة. فالقيمة في العمود الخطأ تبدو صحيحة تمامًا كالقيمة في العمود الصحيح. وقبل أن تعتمد على البيانات المستخرجة:

• اجمع عمودًا بالدالة SUM وقارنه بالمجموع المطبوع في ملف PDF. فإن تطابقا، فالأرقام في الغالب الأعم وصلت بشكل صحيح. وهذا أفضل فحص على الإطلاق.
• عُدّ الصفوف مقارنةً بملف PDF، وانظر عن كثب في الصف الأول والأخير من كل صفحة، حيث تسبب فواصل الصفحات المتاعب.
• ابحث عن الأرقام المخزّنة نصًا. فبشكل افتراضي يحاذيها Excel إلى يسار الخلية ويميّزها بمثلث أخضر صغير.
• تحقق من بعض التواريخ يدويًا، ولا سيما أي تاريخ يكون فيه اليوم 12 أو أقل.

الخلاصة

جدول PDF صورة لجدول، مكوّنة من نص وخطوط تبدو متصلة فحسب. وتعيد أدوات التحويل بناءه من الخطوط المسطّرة أو من المساحات البيضاء، وكلتا الطريقتين تفشل مع التخطيطات غير المنتظمة. وبمعرفة ذلك، تستطيع اختيار الطريق الصحيح: اطلب البيانات المصدر حين تستطيع، واستخرج الأسطر وقسّمها في Excel حين لا تستطيع، وتحقق دائمًا من المجاميع قبل أن تذهب الأرقام إلى أي مكان مهم.

هل تحتاج إلى نص ملف PDF في جدول بيانات؟ جرّب أداة PDF إلى Excel.

→ العودة إلى المدونة