スキャンPDFをExcelに変換するOCR実務ガイド:表を認識し、行と合計を検証する方法

スキャンPDFをExcelに変換するときは、文字の抽出だけでなく、行構造と合計金額の確認が重要です。表をExcelに取り込み、行ズレや集計ミスを見つける実務的な進め方をまとめます。

スキャンPDFをExcelに変換するOCR実務ガイド:表を認識し、行と合計を検証する方法

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。

  1. 品目コード
  2. 品名
  3. 数量
  4. 単価
  5. 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。

  1. 先に列の並びと期待するデータ型を書き出す
  2. OCRでスキャンPDFをExcelに変換する
  3. 各明細が1行のまま残っているか確認する
  4. 数量、単価、金額の列ズレを確認する
  5. Excelで行ごとの計算を再実行する
  6. 小計と総合計を原本と照合する
  7. 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。

よくある質問

スキャンしたPDFをOCRでExcelに変換すると、列は自動で正しく保たれますか。

自動で合う場合もありますが、常に正確とは限りません。文字認識ができていても、値が別の列へずれることがあります。そのため、列見出しとの対応、数量・単価・金額の位置、小計との整合性を必ず確認するのが安全です。

OCR後に最初に確認すべきことは何ですか。

最初に確認したいのは行の整合性です。原本の1明細がExcelでも1行のまま残っているかを見ます。行が分割されたり結合されたりしていると、その後に文字や数字を直しても集計結果が合わなくなります。

OCR結果が信頼できるかどうかは、どう判断すればよいですか。

原本とExcelを、行数、列位置、行ごとの計算、小計、総合計で照合すると判断しやすくなります。特に、数量×単価が金額と合うか、小計と総合計が一致するかを見ると、行抜けや値ずれを見つけやすくなります。

なぜ合計確認が重要なのですか。

合計は、OCR結果の異常を見つけるための分かりやすい基準になるからです。各行の金額、小計、総合計が再計算で一致しない場合、数字の読み違いだけでなく、行の欠落や列ずれも疑えます。

OCRで取り込んだExcelはそのまま業務で使ってよいですか。

そのまま確定データとして使うより、確認前提の下書きとして扱うほうが安全です。特にスキャン品質が低い書類や複雑な表では、人手での見直しを入れてから利用するのが適切です。