PDF σε Excel: πώς λειτουργεί πραγματικά η εξαγωγή πινάκων

Βλέπετε τον πίνακα σε ένα PDF: γραμμές, στήλες, μια επικεφαλίδα, ένα σύνολο στο κάτω μέρος. Φαίνεται αυτονόητο ότι ένα εργαλείο μετατροπής θα έπρεπε να τον μεταφέρει απευθείας σε ένα υπολογιστικό φύλλο. Το πρόβλημα είναι ότι το PDF δεν περιέχει πίνακα. Περιέχει οδηγίες για να σχεδιαστούν χαρακτήρες σε ορισμένες θέσεις και γραμμές σε άλλες, και το πλέγμα που βλέπετε το συνθέτουν τα μάτια σας. Κάθε εργαλείο μετατροπής PDF σε Excel πρέπει να ξαναστήσει τον πίνακα από αυτά τα σκόρπια κομμάτια, γι’ αυτό τα αποτελέσματα κυμαίνονται από τέλεια έως άχρηστα. Αυτός ο οδηγός εξηγεί πώς γίνεται αυτό το ξαναστήσιμο, πού αποτυγχάνει και πώς να φέρετε καθαρούς αριθμούς στο Excel σε κάθε περίπτωση.

Τι υπάρχει πραγματικά μέσα σε έναν πίνακα PDF

Πάρτε μια γραμμή τιμολογίου με τρεις στήλες: «Συμβουλευτικές υπηρεσίες», «12 Μαρ 2026» και «1.250,00». Μέσα στο PDF, αυτό είναι ένα σύνολο ξεχωριστών κομματιών κειμένου, το καθένα με συντεταγμένες x και y. Τα κομμάτια μπορεί να μην αντιστοιχούν στις λέξεις: ένα πρόγραμμα γράφει το «1.250,00» ως ένα κομμάτι, ένα άλλο ως «1.2» και «50,00», και ένα άλλο τοποθετεί κάθε χαρακτήρα χωριστά. Ούτε χρειάζεται να εμφανίζονται με τη σειρά ανάγνωσης. Ορισμένα προγράμματα σχεδιάζουν ολόκληρο πίνακα μία στήλη τη φορά.

Οι γραμμές του πλέγματος είναι ξεχωριστές οδηγίες σχεδίασης, που δεν συνδέονται με το κείμενο. Μια χοντρή γραμμή μπορεί να σχεδιαστεί ως πολλά μικρά τμήματα, μια σκιασμένη γραμμή μπορεί να είναι ένα γεμάτο ορθογώνιο χωρίς καθόλου γραμμές, και πολλοί πίνακες δεν έχουν καμία γραμμή. Τίποτα στο αρχείο δεν λέει «αυτό είναι κελί», «αυτά τα δύο κελιά είναι συγχωνευμένα» ή «αυτή η γραμμή ανήκει στον πίνακα».

Οι δύο τρόποι με τους οποίους τα εργαλεία βρίσκουν έναν πίνακα

Τα εργαλεία εξαγωγής πινάκων χρησιμοποιούν γενικά μία από δύο μεθόδους. Εργαλεία ανοιχτού κώδικα όπως το Tabula και το Camelot τις ονομάζουν «lattice» και «stream».

Ακολουθώντας τις γραμμές του πλέγματος (lattice). Το εργαλείο συγκεντρώνει τις οριζόντιες και τις κατακόρυφες γραμμές, βρίσκει πού διασταυρώνονται και αντιμετωπίζει κάθε κλειστή περιοχή ως κελί. Μετά βάζει κάθε κομμάτι κειμένου στο κελί μέσα στο οποίο πέφτει. Αυτό λειτουργεί πολύ καλά σε πίνακες με πλήρες πλέγμα. Αποτυγχάνει όταν δεν υπάρχουν γραμμές, όταν οι γραμμές είναι σπασμένες σε κομμάτια που δεν συναντιούνται ακριβώς ή όταν χρησιμοποιείται σκίαση αντί για περιγράμματα.
Ακολουθώντας τα κενά (stream). Το εργαλείο ομαδοποιεί το κείμενο σε γραμμές ανάλογα με το ύψος του στη σελίδα και μετά ψάχνει κατακόρυφα κενά που διατρέχουν σταθερά τις γραμμές, τα οποία αντιμετωπίζει ως όρια στηλών. Έτσι χειρίζεται πίνακες χωρίς περιγράμματα, όπως πολλές οικονομικές καταστάσεις. Δυσκολεύεται όταν οι στήλες είναι κοντά η μία στην άλλη, όταν μια στήλη είναι στοιχισμένη στο κέντρο και όχι στη μία πλευρά ή όταν μια μεγάλη τιμή σε μία γραμμή γεφυρώνει το κενό που χωρίζει δύο στήλες σε όλες τις υπόλοιπες.

Και οι δύο μέθοδοι είναι εμπειρικές. Είναι αξιόπιστες σε καθαρούς, κανονικούς πίνακες και αναξιόπιστες σε όλους τους άλλους, γι’ αυτό κανένα εργαλείο μετατροπής δεν βγάζει σωστά κάθε πίνακα.

Πού κάνει λάθη η εξαγωγή πινάκων

Ακόμη κι όταν οι στήλες εντοπίζονται σωστά, ορισμένα προβλήματα εμφανίζονται ξανά και ξανά:

Κελιά που αναδιπλώνονται. Μια περιγραφή που συνεχίζει σε δεύτερη γραμμή μοιάζει με νέα γραμμή του πίνακα στην οποία έχει συμπληρωθεί μόνο μία στήλη.
Συγχωνευμένες επικεφαλίδες που καλύπτουν πολλές στήλες. Μια επικεφαλίδα που βρίσκεται πάνω από δύο στήλες πρέπει να αντιστοιχιστεί σε μία από αυτές ή σε καμία.
Αλλαγές σελίδας. Ένας πίνακας που συνεχίζει στην επόμενη σελίδα επαναλαμβάνει την επικεφαλίδα του, και μια γραμμή μπορεί να χωριστεί στην αλλαγή σελίδας.
Αριθμοί που έρχονται ως κείμενο. Τα σύμβολα νομισμάτων, τα διαχωριστικά χιλιάδων, οι αρνητικοί αριθμοί σε παρένθεση και τα σημάδια υποσημείωσης κολλημένα σε έναν αριθμό μπορούν όλα να εμποδίσουν το Excel να αναγνωρίσει έναν αριθμό. Μια τελεία ως υποδιαστολή, όπως στο «1,250.00», διαβάζεται σωστά μόνο αν το Excel σας χρησιμοποιεί την ίδια σύμβαση.
Αμφίσημες ημερομηνίες. Το 03/04/2026 είναι η 3η Απριλίου σε ορισμένες χώρες και η 4η Μαρτίου σε άλλες, και το Excel θα επιλέξει τη μία από τις δύο ανάλογα με τις ρυθμίσεις σας.
Γραμματοσειρές χωρίς αντιστοίχιση κειμένου. Ορισμένα PDF ενσωματώνουν γραμματοσειρές χωρίς τον πίνακα που αντιστοιχίζει κάθε γλύφο σε έναν χαρακτήρα. Εμφανίζονται τέλεια, αλλά η αντιγραφή ή η εξαγωγή του κειμένου τους δίνει ακαταλαβίστικους χαρακτήρες.
Σαρώσεις. Μια σαρωμένη σελίδα δεν έχει καθόλου κείμενο, μόνο μια εικόνα του, οπότε δεν υπάρχει τίποτα για εξαγωγή χωρίς προηγουμένως OCR.

Τι κάνει το εργαλείο μας «PDF σε Excel»

Το εργαλείο μας PDF σε Excel λειτουργεί στο πρόγραμμα περιήγησής σας, οπότε το αρχείο δεν ανεβαίνει πουθενά. Δίνει σε κάθε σελίδα του PDF το δικό της φύλλο εργασίας, με τα ονόματα Σελίδα 1, Σελίδα 2 και ούτω καθεξής. Στη στήλη A γράφει κάθε γραμμή κειμένου της σελίδας, από πάνω προς τα κάτω, μία γραμμή ανά σειρά, και τοποθετεί κάθε εικόνα στο σημείο της σελίδας όπου σχεδιάστηκε.

Δεν προσπαθεί να μαντέψει πού βρίσκονται οι στήλες. Έτσι κρατά κάθε γραμμή, με τη σειρά ανάγνωσης, χωρίς να χάνεται τίποτα ή να μπαίνει σε λάθος στήλη από μια κακή εκτίμηση. Σημαίνει όμως επίσης ότι μια γραμμή πίνακα έρχεται ως ένα κελί, με τις τιμές της χωρισμένες με απλά κενά, και τη χωρίζετε σε στήλες μόνοι σας. Αν το PDF σχεδίασε τον πίνακά του μία στήλη τη φορά, οι τιμές μιας γραμμής μπορεί αντίθετα να έρθουν σε διαδοχικά κελιά.

Δεν υπάρχει OCR, οπότε μια σαρωμένη σελίδα έρχεται ως εικόνα και όχι ως κείμενο. Ένα PDF που χρειάζεται κωδικό πρόσβασης για να ανοίξει πρέπει πρώτα να ξεκλειδωθεί.

Χωρισμός μίας στήλης σε πραγματικές στήλες στο Excel

Το Excel έχει καλά εργαλεία για το δεύτερο μισό της δουλειάς:

Το Κείμενο σε στήλες, στην καρτέλα «Δεδομένα», χωρίζει μια στήλη σε έναν οριοθέτη. Επιλέξτε «Οριοθετημένο» και μετά «Διάστημα». Αυτό λειτουργεί καλά όταν οι ίδιες οι τιμές δεν περιέχουν κενά, κάτι συνηθισμένο σε πίνακες με αριθμούς και κωδικούς. Στο «Για προχωρημένους», στο τελευταίο βήμα, μπορείτε να ορίσετε το διαχωριστικό δεκαδικών και χιλιάδων, κάτι που διορθώνει αριθμούς σαν το «1,250.00».
Η Γρήγορη συμπλήρωση (Ctrl+E) μαθαίνει από ένα παράδειγμα. Πληκτρολογήστε στην επόμενη στήλη την τιμή που θέλετε από την πρώτη γραμμή, πατήστε Ctrl+E και το Excel συμπληρώνει τις υπόλοιπες ακολουθώντας το ίδιο μοτίβο.
Οι τύποι, στο Excel για το Microsoft 365. Ο τύπος =TEXTSPLIT(A2;" ") απλώνει μια γραμμή σε στήλες, και ο =TEXTAFTER(A2;" ";-1) επιστρέφει ό,τι ακολουθεί το τελευταίο κενό, που είναι συνήθως το ποσό στο τέλος μιας γραμμής. Βάλτε τον μέσα σε VALUE() για να τον κάνετε αριθμό.

Το Excel για το Microsoft 365 στα Windows μπορεί επίσης να εισαγάγει ένα PDF απευθείας, από «Δεδομένα», «Λήψη δεδομένων», «Από αρχείο», «Από PDF». Ψάχνει μόνο του για πίνακες και αξίζει να το δοκιμάσετε σε πίνακες με σαφή περιγράμματα.

Άλλοι δρόμοι που αξίζει να δοκιμάσετε

Ο πιο αξιόπιστος τρόπος να βγάλετε έναν πίνακα από ένα PDF είναι να μην τον βγάλετε καθόλου από το PDF. Οι αριθμοί ξεκίνησαν τη ζωή τους σε ένα υπολογιστικό φύλλο, ένα λογιστικό σύστημα ή μια βάση δεδομένων, και όποιος έφτιαξε το PDF μπορεί συνήθως να εξαγάγει τα ίδια δεδομένα ως υπολογιστικό φύλλο ή αρχείο CSV. Πολλές τράπεζες, για παράδειγμα, σας επιτρέπουν να κατεβάσετε ένα αντίγραφο κίνησης λογαριασμού και σε CSV, όχι μόνο σε PDF.

Για έναν πίνακα με πλήρες πλέγμα γραμμών, αξίζει να δοκιμάσετε το PDF σε Word. Όταν ένας πίνακας βγαίνει από αυτό ως πραγματικός πίνακας του Word, μπορείτε να τον αντιγράψετε στο Excel και τα κελιά μένουν κελιά. Αυτός είναι και ο δρόμος για έναν σαρωμένο πίνακα, αφού το «PDF σε Word» εφαρμόζει OCR στις σαρωμένες σελίδες.

Ελέγξτε το αποτέλεσμα πριν το χρησιμοποιήσετε

Τα σφάλματα εξαγωγής είναι αθόρυβα. Μια τιμή σε λάθος στήλη μοιάζει εξίσου έγκυρη με μια τιμή στη σωστή στήλη. Πριν βασιστείτε σε δεδομένα που εξήχθησαν:

Αθροίστε μια στήλη με SUM και συγκρίνετε το αποτέλεσμα με το σύνολο που αναγράφεται στο PDF. Αν ταιριάζουν, οι αριθμοί σχεδόν σίγουρα μεταφέρθηκαν σωστά. Αυτός είναι ο καλύτερος έλεγχος που υπάρχει.
Μετρήστε τις γραμμές και συγκρίνετέ τες με το PDF, και κοιτάξτε προσεκτικά την πρώτη και την τελευταία γραμμή κάθε σελίδας, όπου οι αλλαγές σελίδας προκαλούν προβλήματα.
Ψάξτε για αριθμούς αποθηκευμένους ως κείμενο. Από προεπιλογή, το Excel τους στοιχίζει αριστερά στο κελί και τους επισημαίνει με ένα μικρό πράσινο τρίγωνο.
Ελέγξτε μερικές ημερομηνίες με το χέρι, ειδικά όσες έχουν ημέρα 12 ή μικρότερη.

Συμπέρασμα

Ένας πίνακας σε PDF είναι μια εικόνα πίνακα, φτιαγμένη από κείμενο και γραμμές που απλώς μοιάζουν ενωμένα. Τα εργαλεία μετατροπής τον ξαναστήνουν από τις γραμμές του πλέγματος ή από τα κενά, και οι δύο μέθοδοι αποτυγχάνουν σε ακανόνιστες διατάξεις. Γνωρίζοντάς το αυτό, μπορείτε να επιλέξετε τον σωστό δρόμο: ζητήστε τα αρχικά δεδομένα όταν μπορείτε, εξαγάγετε τις γραμμές και χωρίστε τες στο Excel όταν δεν μπορείτε, και ελέγχετε πάντα τα σύνολα πριν οι αριθμοί πάνε κάπου σημαντικό.

Χρειάζεστε το κείμενο ενός PDF σε υπολογιστικό φύλλο; Δοκιμάστε το PDF σε Excel.

← Επιστροφή στο blog