PDF को Excel में बदलें तब अपेक्षाकृत आसान लगता है जब तालिका सिर्फ़ एक पेज में समा जाए। मुश्किल स्थिति तब आती है जब रिपोर्ट, स्टेटमेंट या निर्यात की गई तालिका कई पेजों में चलती है। यहीं पर डुप्लिकेट हेडर, दो हिस्सों में बँटी पंक्तियाँ और गायब दिखने वाली प्रविष्टियाँ सामने आती हैं।
सबसे सुरक्षित तरीका यह है कि रूपांतरण को एक-क्लिक काम न मानें। इसे एक छोटे दस्तावेज़-प्रक्रिया क्रम की तरह देखें: पहले PDF की तालिका संरचना समझें, ज़रूरत हो तो पेज या पेज-समूह के अनुसार निकालें, फिर सावधानी से जोड़ें और अंत में तेज़ सत्यापन करें। यदि आप इस विषय पर Sanreader का जानकारी-पृष्ठ देखना चाहते हैं, तो PDF को Excel में बदलें जानकारी-पृष्ठ देख सकते हैं।
पहले औज़ार नहीं, तालिका का पैटर्न समझें
रूपांतरण शुरू करने से पहले यह देखें कि तालिका अलग-अलग पेजों पर कैसे व्यवहार करती है।
कई पेज वाली तालिकाओं में आम तौर पर ये पैटर्न मिलते हैं:
- हर पेज पर वही स्तंभ-हेडर दोबारा छपा हो
- हर पेज के नीचे आंशिक योग या पेज-योग हो
- कोई एक पंक्ति दो पेजों में टूट गई हो
- पहला पेज बाकी पेजों से अलग लेआउट वाला हो
- फुटर, नोट या पेज संख्या तालिका-क्षेत्र में आ रही हो
ये बातें किस औज़ार का नाम है उससे ज़्यादा महत्वपूर्ण हैं। अगर हर पेज पर एक ही हेडर दोहराया गया है, तो स्वचालित जोड़ प्रक्रिया उन हेडरों को भी सामान्य डेटा पंक्ति मान सकती है। अगर कोई पंक्ति पेज बदलने की जगह पर टूटती है, तो अगला पेज उसी रिकॉर्ड का आधा हिस्सा दिखा सकता है।
एक छोटी दृश्य-जाँच से आप तय कर सकते हैं कि आपको:
- पूरा दस्तावेज़ एक साथ निकालना चाहिए,
- अलग-अलग पेज-सीमाओं को अलग निकालना चाहिए, या
- हर पेज-समूह को साफ़ करके फिर जोड़ना चाहिए।
एक ठोस उदाहरण से जोड़ने की योजना बनाएँ
मान लीजिए आपके पास 12 पेज की बिक्री-रिपोर्ट है। हर पेज में ये स्तंभ हैं:
- तारीख
- ऑर्डर आईडी
- ग्राहक
- क्षेत्र
- मात्रा
- शुद्ध राशि
हर पेज के ऊपर वही हेडर पंक्ति फिर से आती है। पेज 1 से 11 तक नीचे पेज-योग भी है। पेज 7 पर एक ग्राहक का नाम पेज बदलने की जगह पर टूट जाता है, इसलिए पेज 8 की शुरुआत आधी पंक्ति जैसी लगती है।
अगर आप इसे सीधे रूपांतरित कर दें, तो Excel में यह मिल सकता है:
- हेडर पंक्ति की 12 प्रतियाँ
- 11 पेज-योग पंक्तियाँ, जो डेटा में घुल-मिल गई हों
- एक रिकॉर्ड जो दो अलग पंक्तियों में टूट गया हो
- पेज 8 की पहली पंक्ति में कोई मुख्य मान खाली हो
यहाँ व्यावहारिक निर्णय यह है कि जोड़ने से पहले तय करें कि असली डेटा क्या है। इस उदाहरण में केवल वही पंक्तियाँ अंतिम शीट में रहनी चाहिए जिनमें वैध ऑर्डर आईडी हो। हेडर और पेज-योग हटाए जाने चाहिए। टूटी हुई पंक्ति को विश्लेषण से पहले फिर से एक रिकॉर्ड में बदला जाना चाहिए।
कई पेज वाली PDF तालिकाओं के लिए भरोसेमंद चरण-दर-चरण तरीका
जब दस्तावेज़ कई पेजों में फैला हो, तो यह क्रम अपनाएँ:
-
पेजों की एकरूपता जाँचें देखें कि क्या सभी पेजों में वही स्तंभ और वही क्रम है। अगर पहला पेज अलग संरचना का है, तो उसे अलग संभालें।
-
गैर-डेटा पंक्तियों की पहचान करें दोहराए गए हेडर, फुटर, पेज-योग, आगे-ले जाए गए योग और नोट जैसी पंक्तियाँ चिन्हित करें।
-
ज़रूरत हो तो छोटे समूहों में रूपांतरण करें अगर दस्तावेज़ में अलग-अलग लेआउट हैं, तो समान संरचना वाले पेजों को साथ निकालें। पूरी फ़ाइल को एक ही बार में चलाना हमेशा सही नहीं होता।
-
एक मध्यवर्ती शीट में परिणाम रखें सफ़ाई उसी एकमात्र प्रति पर न करें। कच्चा निकाला गया परिणाम एक अलग शीट में रखें और सफ़ाई दूसरी शीट में करें।
-
दोहराए गए हेडर हटाएँ उन पंक्तियों को फ़िल्टर करें जिनमें मुख्य सेल का मान स्तंभ-नाम जैसा हो, जैसे
तारीखयाऑर्डर आईडी। ऐसी पंक्तियाँ हटाएँ। -
आंशिक योग और पेज-सार पंक्तियाँ हटाएँ
Subtotal,Page Totalजैसे शब्द, या ऐसी पंक्तियाँ जहाँ ऑर्डर आईडी खाली हो लेकिन राशि भरी हो, उन्हें अलग करें और हटाएँ। -
पेज बदलने की जगह पर टूटी पंक्तियाँ जाँचें हर पेज-समूह के अंत और अगले समूह की शुरुआत देखें। अधूरा पाठ, मुख्य स्तंभों में खाली मान, या एक पंक्ति नीचे खिसका हुआ डेटा पहचानें।
-
पंक्तियों की निरंतरता की पुष्टि करें यदि दस्तावेज़ में रिकॉर्ड-क्रम किसी आईडी या तारीख से चलता है, तो उसके बीच असामान्य छलाँगें देखें। इसी से छूटी या दोहराई पंक्तियाँ पकड़ में आती हैं।
-
साफ़ डेटा को अंतिम शीट में तभी ले जाएँ जब हेडर, सार-पंक्तियाँ और टूटी पंक्तियाँ ठीक हो जाएँ, तभी साफ़ तालिका को अंतिम कार्य-पुस्तिका में ले जाएँ।
डुप्लिकेट हेडर से कैसे बचें
कई पेज वाले मामलों में PDF को Excel में बदलें का सबसे सामान्य जोखिम डुप्लिकेट हेडर ही है।
सबसे आसान नियम यह है कि ऐसा एक स्तंभ चुनें जिसमें सामान्य डेटा के रूप में हेडर-पाठ आ ही नहीं सकता। उदाहरण के लिए:
- अगर
ऑर्डर आईडीहमेशा कोड या संख्या जैसी होती है, तो जिस पंक्ति में वही सेलऑर्डर आईडीलिखे, वह हेडर है - अगर
तारीखस्तंभ में हमेशा तारीख आनी चाहिए, तो जिस पंक्ति में वही सेलतारीखलिखे, वह लेन-देन पंक्ति नहीं है
यह तरीका हर पाँचवीं या दसवीं पंक्ति हटाने जैसे अंदाज़े से बेहतर है, क्योंकि हर पेज में पंक्तियों की संख्या एक जैसी नहीं होती।
एक छोटा सफ़ाई-जाँच सूची:
| जाँच | क्या देखें | क्या करें |
|---|---|---|
| दोहराए गए हेडर | स्तंभ-नाम जैसे मान | फ़िल्टर करके हटाएँ |
| फुटर | पेज संख्या, रिपोर्ट नाम, मुद्रित तारीख | विश्लेषण से पहले हटाएँ |
| पेज-योग | सार-लेबल, कुल राशि, पर वास्तविक आईडी नहीं | हटाएँ या अलग शीट में रखें |
| खाली अलगाव पंक्तियाँ | पेज-समूहों के बीच पूरी तरह खाली पंक्तियाँ | हटाएँ |
| स्तंभ खिसकना | पेज बदलने के बाद मान एक स्तंभ दाएँ या बाएँ | जोड़ने से पहले ठीक करें |
अगर पहला पेज तालिका के ऊपर विशेष शीर्षक लिए हो और बाकी पेज सीधे तालिका से शुरू हों, तो पहले पेज को अलग साफ़ करना बेहतर रहता है। उसके बाद मानक पेजों को जोड़ें।
छूटी पंक्तियाँ और टूटी प्रविष्टियाँ कैसे पहचानें
कई बार जो पंक्तियाँ गायब लगती हैं, वे सचमुच गायब नहीं होतीं। वे दो हिस्सों में टूट गई होती हैं, लपेटी हुई होती हैं, या रूपांतरण के दौरान खिसक गई होती हैं।
इन संकेतों पर ध्यान दें:
- किसी पंक्ति में तारीख या ऑर्डर आईडी खाली हो, लेकिन आगे के स्तंभ भरे हों
- ग्राहक का नाम पिछले पेज से जारी हो और संख्यात्मक मान अगले पेज पर दिखें
- एक पेज का आख़िरी रिकॉर्ड पाठ के साथ खत्म हो लेकिन राशि न हो, और अगला पेज राशि से शुरू हो
- दो ज्ञात आईडी या तारीखों के बीच रिकॉर्ड का क्रम असामान्य लगे
इसे ठीक करने के लिए एक पेज-समूह की आख़िरी कुछ पंक्तियों की तुलना अगले समूह की पहली कुछ पंक्तियों से करें। अगर एक ही तार्किक रिकॉर्ड दो पंक्तियों में बँट गया है, तो पाठ और संख्यात्मक मानों को एक ही पंक्ति में मिलाएँ और अतिरिक्त टुकड़ा हटाएँ।
अगर मूल PDF दृश्य रूप से अस्पष्ट हो, तो अपनी कार्य-पुस्तिका में एक टिप्पणी रखें कि यहाँ मानवीय निर्णय लिया गया है। इससे बाद की समीक्षा आसान होती है।
कब पूरी फ़ाइल को एक साथ न जोड़ें
कभी-कभी PDF को Excel में बदलें का सबसे अच्छा निर्णय यह होता है कि सब कुछ तुरंत एक ही जोड़ में न मिलाया जाए।
काम को अलग हिस्सों में बाँटें, अगर:
- पहला पेज अलग स्तंभ-समूह उपयोग करता हो
- बीच का कोई भाग आड़ा पेज-लेआउट में हो
- कुछ पेज तालिका हों और कुछ वर्णनात्मक पाठ वाले हों
- स्कैन किए गए और डिजिटल रूप से बने पेज मिले-जुले हों
- एक भाग में विवरण-पंक्तियाँ हों और दूसरे में केवल सारांश
ऐसी स्थिति में अलग-अलग पेज-समूह निकालें, हर समूह को अलग साफ़ करें, फिर स्तंभ-नाम एक समान करके जोड़ें। यह अक्सर एक बड़े स्वचालित रूपांतरण की तुलना में कम छिपी हुई त्रुटियाँ देता है।
यह भी ध्यान रखें कि स्कैन की गई PDF के लिए अक्सर पहले OCR जैसी प्रक्रिया की आवश्यकता पड़ सकती है, और ऐसे परिणामों की मैनुअल जाँच अधिक जरूरी होती है। उपलब्धता और सुविधा किसी भी सेवा पर निर्भर करती है; इसलिए बिना पुष्टि किसी विशेष क्षमता को मान लेना ठीक नहीं है।
अंतिम शीट पर भरोसा करने से पहले क्या जाँचें
रिपोर्टिंग, फ़िल्टर या सूत्रों में उपयोग से पहले यह छोटी समीक्षा करें:
-
कुल पंक्तियाँ देखें क्या रिकॉर्ड की संख्या पेजों की कुल मात्रा के हिसाब से उचित लग रही है?
-
हर पेज-समूह की शुरुआत और अंत देखें डुप्लिकेट हेडर और टूटी पंक्तियाँ अक्सर यहीं छिपी होती हैं।
-
मुख्य स्तंभों में खाली मान फ़िल्टर करें खाली आईडी, तारीख या राशि अक्सर समस्या का संकेत देती है।
-
हेडर वाले शब्द खोजें
तारीख,ऑर्डर आईडी,Subtotalजैसे शब्द अभी भी डेटा में बचे हो सकते हैं। -
नमूना मिलान करें शुरुआती, बीच और अंतिम पेजों से कुछ पंक्तियाँ लेकर PDF से मिलाएँ।
इस तरीके की सीमाएँ
यह प्रक्रिया विश्वसनीयता बढ़ाती है, लेकिन हर बार पूर्ण तालिका की गारंटी नहीं देती।
मुख्य सीमाएँ:
- स्कैन की गई PDF में अतिरिक्त पहचान और मैनुअल सुधार की ज़रूरत पड़ सकती है
- जुड़े हुए सेल पंक्ति-संरचना बिगाड़ सकते हैं
- लिपटा हुआ पाठ नई पंक्ति जैसा लग सकता है
- तालिका-क्षेत्र के भीतर दिए गए फुटनोट वैध डेटा जैसे दिख सकते हैं
- एक ही फ़ाइल में कई अलग टेम्पलेट होने पर एक समान सफ़ाई नियम विफल हो सकते हैं
इसीलिए मध्यवर्ती शीट और अंतिम जाँच आवश्यक है। लक्ष्य यह नहीं कि हर रूपांतरण जादुई रूप से सही हो जाए, बल्कि यह कि चुपचाप रह जाने वाली गलतियाँ कम हों और आपकी Excel शीट विश्लेषण के लिए अधिक भरोसेमंद बने।