PDF till Excel: så fungerar tabellextrahering egentligen

Du kan se tabellen i en PDF: rader, kolumner, en rubrikrad och en summa längst ned. Det verkar självklart att en konverterare borde kunna lyfta in den direkt i ett kalkylblad. Problemet är att PDF-filen inte innehåller någon tabell. Den innehåller instruktioner om att rita tecken på vissa positioner och linjer på andra, och rutnätet som du ser är något som dina ögon sätter ihop. Varje konverterare från PDF till Excel måste bygga upp tabellen igen av de utspridda bitarna, och därför varierar resultaten från perfekta till oanvändbara. Den här guiden förklarar hur återuppbyggnaden fungerar, var den misslyckas och hur du får in rena siffror i Excel oavsett.

Vad som egentligen finns i en PDF-tabell

Ta en fakturarad med tre kolumner: ”Konsulttjänster”, ”12 mars 2026” och ”1 250,00”. I PDF-filen är det en uppsättning separata textfragment, vart och ett med en x- och en y-koordinat. Fragmenten behöver inte motsvara orden: ett program skriver ”1 250,00” som en enda bit, ett annat som ”1 2” och ”50,00”, och ett tredje placerar varje tecken för sig. De behöver inte heller komma i läsordning. Vissa program ritar en hel tabell en kolumn i taget.

Rutnätets linjer är separata ritinstruktioner utan koppling till texten. En tjock linje kan vara ritad som många korta segment, en skuggad rad kan vara en fylld rektangel helt utan linjer, och många tabeller har inga linjer alls. Ingenting i filen säger ”det här är en cell”, ”de här två cellerna är sammanfogade” eller ”den här raden hör till tabellen”.

De två sätt som konverterare hittar en tabell på

Verktyg för tabellextrahering använder i allmänhet en av två metoder. Verktyg med öppen källkod, som Tabula och Camelot, kallar dem ”lattice” och ”stream”.

Att följa linjerna (lattice). Konverteraren samlar in de vågräta och lodräta linjerna, räknar ut var de korsar varandra och behandlar varje inneslutet område som en cell. Sedan lägger den varje textbit i den cell den hamnar i. Det fungerar mycket bra för tabeller med ett fullständigt rutnät. Det misslyckas när det inte finns några linjer, när linjerna är uppdelade i fragment som inte riktigt möts eller när skuggning används i stället för kantlinjer.
Att följa det tomma utrymmet (stream). Konverteraren grupperar texten i rader efter höjden på sidan, letar sedan efter lodräta luckor som löper konsekvent ned genom raderna och behandlar dem som kolumngränser. Det klarar tabeller utan kantlinjer, som många finansiella rapporter. Det har svårt när kolumnerna ligger tätt, när en kolumn är centrerad i stället för justerad, eller när ett långt värde på en rad överbryggar luckan som skiljer två kolumner åt på alla andra rader.

Båda metoderna är tumregler. De är pålitliga för rena, regelbundna tabeller och opålitliga för allt annat, och därför får ingen konverterare varje tabell rätt.

Var tabellextraheringen går fel

Även när kolumnerna hittas korrekt dyker vissa problem upp gång på gång:

Radbrutna celler. En beskrivning som bryts till en andra rad ser ut som en ny rad där bara en kolumn är ifylld.
Sammanfogade och spännande rubriker. En rubrik som sträcker sig över två kolumner måste tilldelas en av dem, eller ingen av dem.
Sidbrytningar. En tabell som fortsätter på nästa sida upprepar sin rubrikrad, och en rad kan delas av brytningen.
Tal som kommer in som text. Valutasymboler, tusentalsavgränsare, negativa tal inom parentes och fotnotsmarkeringar som sitter fast i en siffra kan alla hindra Excel från att känna igen ett tal. Ett tal skrivet med decimalpunkt, som ”1,250.00”, läses bara rätt om ditt Excel använder samma konvention.
Tvetydiga datum. 03/04/2026 är den 3 april i vissa länder och den 4 mars i andra, och Excel väljer ett av dem utifrån dina inställningar.
Typsnitt utan teckenmappning. Vissa PDF-filer bäddar in typsnitt utan den tabell som kopplar varje glyf tillbaka till ett tecken. De visas perfekt, men om du kopierar eller extraherar texten blir det rappakalja.
Skanningar. En skannad sida har ingen text alls, bara en bild av den, så det finns inget att extrahera utan OCR först.

Vad vårt verktyg PDF till Excel gör

Vår konverterare PDF till Excel körs i din webbläsare, så filen laddas inte upp. Den ger varje sida i PDF-filen ett eget kalkylblad, med namnen Sida 1, Sida 2 och så vidare. Nedåt i kolumn A skriver den varje textrad på sidan, uppifrån och ned, en rad per rad i kalkylbladet, och den placerar varje bild på det ställe på sidan där den ritades.

Den försöker inte gissa var kolumnerna finns. På så sätt behålls varje rad i läsordning, utan att något tappas eller hamnar i fel kolumn på grund av en felaktig gissning. Men det betyder också att en tabellrad kommer in som en enda cell, med värdena åtskilda av enkla mellanslag, och att du själv delar upp den i kolumner. Om PDF-filen ritade sin tabell en kolumn i taget kan värdena på en rad i stället hamna i celler efter varandra.

Det finns ingen OCR, så en skannad sida kommer in som en bild i stället för text. En PDF som kräver ett lösenord för att öppnas måste låsas upp först.

Dela upp en kolumn i riktiga kolumner i Excel

Excel har bra verktyg för den andra halvan av jobbet:

Text till kolumner, på fliken Data, delar upp en kolumn vid en avgränsare. Välj Avgränsade och sedan Blanksteg. Det fungerar bra när själva värdena inte innehåller några mellanslag, vilket är vanligt i tabeller med siffror och koder. Under Avancerat, i det sista steget, kan du ange decimaltecken och tusentalsavgränsare, vilket löser tal som ”1,250.00”.
Snabbfyllning (Ctrl+E) lär sig av ett exempel. Skriv värdet som du vill ha från den första raden i nästa kolumn, tryck på Ctrl+E, så fyller Excel i resten enligt samma mönster.
Formler, i Excel för Microsoft 365. =DELATEXT(A2;" ") sprider ut en rad över kolumner, och =TEXTEFTER(A2;" ";-1) returnerar allt efter det sista mellanslaget, vilket oftast är beloppet i slutet av en rad. Omge den med TEXTNUM() för att göra om den till ett tal.

Excel för Microsoft 365 i Windows kan också importera en PDF direkt, via Data, Hämta data, Från fil, Från PDF. Funktionen letar själv efter tabeller och är värd att prova på tabeller med tydliga kantlinjer.

Andra vägar som är värda att prova

Det mest pålitliga sättet att få ut en tabell ur en PDF är att inte hämta den ur PDF-filen alls. Siffrorna började sitt liv i ett kalkylblad, ett bokföringssystem eller en databas, och den som skapade PDF-filen kan oftast exportera samma data som ett kalkylblad eller en CSV-fil. Många banker låter dig till exempel ladda ned ett kontoutdrag som CSV likaväl som PDF.

För en tabell med ett fullständigt rutnät av linjer är PDF till Word värt att prova. När en tabell kommer igenom som en riktig Word-tabell kan du kopiera den till Excel, och cellerna förblir celler. Det är också vägen för en skannad tabell, eftersom PDF till Word kör OCR på skannade sidor.

Kontrollera resultatet innan du använder det

Extraheringsfel är tysta. Ett värde i fel kolumn ser lika giltigt ut som ett i rätt kolumn. Innan du förlitar dig på extraherade data:

Summera en kolumn med SUMMA och jämför med summan som står i PDF-filen. Om de stämmer har siffrorna nästan säkert kommit igenom korrekt. Det är den enskilt bästa kontrollen som finns.
Räkna raderna och jämför med PDF-filen, och titta noga på den första och sista raden på varje sida, där sidbrytningar ställer till problem.
Leta efter tal som lagrats som text. Som standard vänsterjusterar Excel dem i cellen och markerar dem med en liten grön triangel.
Kontrollera några datum för hand, särskilt alla där dagen är 12 eller lägre.

Slutsats

En PDF-tabell är en bild av en tabell, gjord av text och linjer som bara ser sammanhängande ut. Konverterare bygger upp den igen utifrån linjerna eller utifrån det tomma utrymmet, och båda metoderna misslyckas med oregelbundna layouter. Med den kunskapen kan du välja rätt väg: be om källdata när du kan, extrahera raderna och dela upp dem i Excel när du inte kan, och kontrollera alltid summorna innan siffrorna går vidare till något viktigt.

Behöver du texten från en PDF i ett kalkylblad? Prova PDF till Excel.

← Tillbaka till bloggen