スキャンPDFをExcelに変換する作業は、請求書や明細表、在庫表のような表データを再利用したい場面で役立ちます。ただし、重要なのは文字が読めることだけではありません。OCRの結果で行が崩れていないか、列の位置がずれていないか、そして小計や合計が正しく再計算できるかまで確認して、はじめて実用的なExcelデータになります。
この記事では、表をOCRでExcelに取り込み、その後に行構造と合計値を検証する手順に絞って解説します。日付や小数点、口座番号の細かな確認だけに偏らず、また傾き補正やかすれた罫線の前処理だけにも寄らない、実務で使いやすい確認の流れです。
このテーマの案内ページは、スキャンPDFをExcelに変換でも確認できます。
この進め方が向いている書類
この方法は、次のように行と列の対応が重要な書類に向いています。
- 品目ごとの明細が並ぶ請求書
- 日付、区分、金額が並ぶ経費精算書
- 数量、単価、金額を含む在庫表
- 行単位で整合性を見たい取引一覧や台帳
- 小計や総合計が記載された集計表
PDFの中に選択可能な文字が最初から入っている場合は、単純な抽出で済むことがあります。いっぽう、画像化されたPDFや紙をスキャンしたPDFでは、OCRで文字と表構造を認識しないと、Excelで扱える形にしにくくなります。
まずは書類の表構造をざっと見極める
変換を始める前に、表として素直に取り出せそうかを短時間で確認します。難しい診断は不要ですが、後でどこを重点的に見るべきかが分かります。
確認したい点は次のとおりです。
- 1ページ内の表構成が一定か
- 列見出しがはっきりしているか
- 各行の並びが繰り返しになっているか
- 数字の桁や配置がそろっているか
- 小計や合計があり、後で照合できるか
注意したい点もあります。
- セル結合のように見えるレイアウト
- 1つの明細が複数行にまたがる説明文
- 数字に重なる押印や手書き
- 同じ列に異なる書式の値が混在している状態
- ページごとに列位置が少しずつずれる表
ここで大切なのは、完璧に判断することではなく、OCR後に何を優先して確かめるかを決めることです。
具体例:スキャンされた請求書明細をExcelで確認する
たとえば、3ページの仕入先請求書を考えます。各ページに次の列を持つ表があるとします。
- 品目コード
- 品名
- 数量
- 単価
- 金額
最後のページには、さらに次の集計欄があります。
- 小計
- 税額
- 送料
- 総合計
このときの目的は、単に文字列をセルへ入れることではありません。各明細が1行ずつ保たれているか、数量・単価・金額が別々の列に入っているか、そして再計算した結果が元の請求書と合うかを確認することです。
実務では、次の順番で進めると整理しやすくなります。
- 先に列の並びと期待するデータ型を書き出す
- OCRでスキャンPDFをExcelに変換する
- 各明細が1行のまま残っているか確認する
- 数量、単価、金額の列ズレを確認する
- Excelで行ごとの計算を再実行する
- 小計と総合計を原本と照合する
- 例外行だけをまとめて人手で見直す
6つの手順で進める実務フロー
1. 期待する列構成を先に決める
OCR後の表を眺めながら考えるより、先に「この列には何が入るべきか」を決めておくほうが確認しやすくなります。
| 列名 | 想定される内容 | 簡単な確認基準 |
|---|---|---|
| 品目コード | 英数字の短い値 | 1行に1つ |
| 品名 | テキスト | 折り返しても同じ明細に属する |
| 数量 | 数値 | 数字として扱える |
| 単価 | 金額 | 小数や桁区切りの形式が一定 |
| 金額 | 金額 | 数量×単価と対応する |
この表を基準にすると、OCR結果を見たときに「何が違うのか」を具体的に判断できます。
2. OCRでExcelに出力する
スキャン画像の文字を認識し、表としてExcelへ出力できる方法を使います。ただし、どの方法でも自動結果をそのまま確定値として扱うのは危険です。ここでは、次の2点だけをまず見ます。
- 文字が読める形で抽出されているか
- 表らしい並びが保たれているか
もし全データが1列に縦並びで入ってしまったなら、文字認識はできても表認識は十分でない可能性があります。その場合は、後から列分割や並べ替えが必要です。
3. 先に行の整合性を確認する
OCR後に最初に見るべきなのは、文字の細かな誤認識ではなく、1明細が1行として保たれているかです。
次のような崩れがないかを見ます。
- 1つの明細が2行に割れていないか
- 2つの短い明細が1行に結合していないか
- 長い品名の影響で数字が次行へ落ちていないか
- 見出し行やページヘッダーがデータ行に混ざっていないか
行構造が崩れていると、その後の数式確認も意味を失います。文字の1文字違いより、行ズレのほうが集計全体に与える影響は大きいことが多いです。
4. 列を整えて数値として扱える状態にする
行が安定していることを確認したら、列ごとの内容を整えます。よくある作業は次のとおりです。
- 小計行や総合計行を明細表から分ける
- 文字列として入った数字を数値に直す
- 1つの列に入った複数値を分離する
- 複数ページの見出し重複を取り除く
- ページまたぎで欠けた値を補い、明細単位を整える
このとき、抽出直後のシートはそのまま残し、作業用のコピーで修正するのが安全です。後からどこで値が変わったかを追いやすくなります。
5. 小計と総合計で検証する
ここがこの記事の中心です。スキャンPDFをExcelに変換した後は、見た目よりも計算整合性で結果を判断します。
確認したい主な関係は次のとおりです。
- 金額 = 数量 × 単価
- 小計 = 各行の金額の合計
- 総合計 = 小計 + 税額 + 送料など
- 行数 = 原本で見える明細行数
短い確認表にすると、次のようになります。
| 確認項目 | 見比べる内容 | 見つけやすい問題 |
|---|---|---|
| 行数 | 原本の明細数とExcelの行数 | 行の欠落、重複 |
| 列位置 | 見出しと各値の対応 | 列ずれ、値の混入 |
| 行計算 | 数量×単価と金額 | 数字の誤認識 |
| 小計 | 行金額の合計と記載小計 | 行抜け、金額ズレ |
| 総合計 | 小計と付加費用の合算 | 後段の集計ミス |
差額がわずかな場合は、似た形の数字の読み違いを疑います。差額が大きい場合は、明細行の欠落、行の結合、列の入れ違いを優先して見直すほうが効率的です。
6. 例外行を抽出して人手確認に回す
すべての行を同じ深さで確認するのではなく、怪しい行を先に絞り込むと見直しが速くなります。
例外として印を付けやすい条件は次のとおりです。
- 数量や金額が空欄
- 数値列に文字が入っている
- 想定外の負数がある
- 同じ品目コードなのに金額だけ大きく違う
- 合計行が明細の途中に入り込んでいる
- 書類全体の並びから外れる値がある
このような行だけを一覧にして確認すれば、全件を最初から最後まで目視する負担を減らせます。
使い始める前の簡易チェックリスト
Excelファイルを共有したり、別の集計に取り込んだりする前に、最低限ここを確認します。
- すべてのページが含まれている
- 見出しが途中で重複していない
- 1明細が1行に収まっている
- 数量、単価、金額が数値として扱える
- 小計と総合計が再計算で一致する
- 注記、フッター、押印がデータに混ざっていない
- 例外行を人手で確認した
OCRで表を扱うときの限界
表のOCRは便利ですが、常にきれいに整うとは限りません。特に次のような書類では、人手確認の比重が高くなります。
- 解像度が低いスキャン
- 列間隔が極端に狭い表
- 複数行にまたがる説明が多い明細
- 合計欄が表の外に独立配置されている書類
- 活字と手書きが混在する帳票
- ページごとに列位置が変わる資料
そのため、OCR後のExcelは最終版ではなく、確認前提の下書きとして扱うのが安全です。
この方法が効果を発揮しやすい場面
この進め方は、繰り返し構造があり、計算で整合性を確かめられる表に向いています。請求書、発注明細、経費一覧、在庫一覧のように、行単位の意味が明確で、小計や総合計がある書類では特に有効です。
結論として、スキャンPDFをExcelに変換するときは、読める文字が取れたかどうかだけで判断しないことが重要です。行が保たれているか、列が正しい位置に入っているか、合計が再計算で一致するか。この3点を押さえるだけで、OCR結果の信頼性をかなり現実的に判断できます。