imej ke Excel berfungsi paling baik apabila teks jelas dan struktur jadual mudah dikenal pasti. Namun dalam penggunaan sebenar, banyak kegagalan berlaku kerana masalah lain: nombor mungkin masih boleh dibaca, tetapi baris dan lajur tidak jelas. Log penyelenggaraan yang difoto, helaian makmal yang diimbas, atau gambar kamera bagi jadual bercetak boleh mengandungi garis grid yang pudar, pengepala gabung, halaman senget dan ruang kosong yang mengelirukan pengesanan jadual.
Panduan ini memberi tumpuan pada keputusan struktur tersebut. Daripada menganggap setiap imej sebagai tugas penukaran biasa, panduan ini membantu anda menentukan bila susun atur wajar dikekalkan, bila jadual lebih baik dibina semula secara manual, dan cara menyemak hasilnya sebelum sesiapa bergantung pada helaian hamparan itu.
Mulakan dengan struktur jadual, bukan hasil OCR
Sebelum memikirkan kualiti eksport, lihat dahulu imej itu sebagai masalah pengecaman jadual.
Tanya empat soalan ringkas:
- Adakah sempadan lajur kelihatan?
- Adakah baris pengepala terpisah jelas daripada baris data?
- Adakah sel gabung membawa makna, atau sekadar pemformatan visual?
- Adakah ruang kosong benar-benar sel kosong, atau jurang akibat imbasan yang lemah?
Jika satu atau lebih jawapan tidak jelas, imej ke Excel masih mungkin membaca perkataan dengan betul tetapi meletakkan nilai ke dalam lajur yang salah. Ini biasanya lebih berbahaya daripada beberapa kesalahan ejaan, kerana struktur yang rosak boleh menjejaskan formula, pengisihan, penapisan dan pelaporan seterusnya.
Peraturan mudah yang berguna ialah: jika manusia sendiri perlu berhenti seketika untuk memahami di mana satu baris berakhir dan baris berikutnya bermula, sistem OCR juga berkemungkinan menghadapi kesukaran.
Contoh nyata: helaian pemeriksaan yang kabur
Bayangkan satu helaian pemeriksaan yang difoto daripada papan klip di gudang. Imej itu mempunyai masalah berikut:
- kertas sedikit senget
- garis grid berwarna kelabu muda dan sebahagiannya hilang akibat cahaya
- pengepala bahagian atas merentasi tiga lajur
- beberapa baris menggunakan sel gabung untuk label bahagian
- tanda semak tulisan tangan muncul di sebelah nombor bercetak
Dalam keadaan ini, keputusan utama bukan sama ada teks boleh dikenal pasti. Soalan yang lebih penting ialah sama ada jadual itu patut dianggap sebagai:
- satu jadual helaian hamparan yang berterusan
- beberapa jadual kecil yang disusun menegak
- satu borang yang memerlukan pengekstrakan medan demi medan, bukan pembinaan semula jadual secara terus
Bagi dokumen seperti ini, memaksa semuanya masuk ke satu helaian automatik sering menghasilkan kesilapan tersembunyi. Aliran yang lebih baik biasanya ialah mengenal pasti dahulu baris data yang berulang, kemudian membina semula label bahagian dan pengepala gabung selepas itu.
Cara mengendalikan grid yang kabur
Grid yang kabur atau terputus ialah antara punca terbesar jadual beralih semasa pengekstrakan.
Apabila grid lemah, sistem OCR mungkin meneka sempadan berdasarkan penjajaran teks semata-mata. Kaedah itu boleh berfungsi untuk dokumen yang kemas, tetapi kurang boleh diharap untuk log, jadual tugas, borang tulisan tangan dan salinan fotostat lama.
Keputusan praktikal yang wajar dibuat:
- Utamakan penjajaran baris yang jelas berbanding garis sempadan yang samar. Jika asas teks konsisten, baris masih mungkin dapat dipulihkan walaupun grid tidak lengkap.
- Berhati-hati dengan lajur yang sempit. Lajur nombor kecil sering terserap ke lajur teks bersebelahan apabila pengesanan garis gagal.
- Perhatikan nilai perpuluhan dan tarikh. Kedua-duanya kerap terbelah atau bergabung apabila pemisah menegak tidak jelas.
- Asingkan pembersihan imej daripada pembetulan helaian hamparan. Meluruskan, memotong tepi dan meningkatkan kontras boleh membantu pengecaman jadual, tetapi tidak menjamin logik lajur yang betul.
Jika imej hanya mempunyai sebahagian garis grid, lebih selamat untuk mengesahkan lajur yang dikesan dengan nama pengepala sebelum mempercayai baris yang diimport.
Maksud sebenar sel gabung dalam dokumen
Sel gabung bukan sekadar hiasan pemformatan. Dalam banyak dokumen operasi, ia menyampaikan hierarki.
Contohnya:
- satu pengepala gabung yang meliputi beberapa lajur ukuran
- nama jabatan yang digabungkan merentasi beberapa baris
- tarikh atau nombor kelompok yang dipaparkan sekali sahaja untuk satu blok entri
Masalahnya, Excel boleh memaparkan sel gabung dengan kemas, tetapi analisis data berstruktur biasanya lebih baik tanpa sel gabung. Jadi keputusan praktikal yang perlu dibuat ialah sama ada hendak mengekalkan rupa asal atau mengekalkan kebolehgunaan.
Pendekatan yang baik ialah:
- Kenal pasti sel gabung yang hanya bersifat visual, seperti baris tajuk yang dipusatkan.
- Kenal pasti sel gabung yang membawa konteks data, seperti label bahagian yang terpakai pada semua baris di bawahnya.
- Tukarkan sel gabung yang membawa konteks kepada nilai berulang dalam setiap baris yang berkaitan apabila membina helaian akhir.
- Letakkan sel gabung yang sekadar hiasan di luar jadual analisis, atau pindahkan ke ruang nota yang berasingan.
Langkah ini sangat penting jika fail akan ditapis, diisih atau diimport ke sistem lain. Mengulangi nilai konteks selalunya lebih berguna daripada mencipta semula gabungan asal.
Apabila sempadan jadual tidak wujud
Sesetengah imej langsung tidak kelihatan seperti jadual, walaupun manusia membacanya sebagai jadual. Ini berlaku pada keadaan seperti:
- lajur yang dipisahkan oleh ruang kosong
- cetakan lama tanpa garis sempadan
- foto kamera yang bayangnya menutup tepi luar halaman
- borang dengan label di sebelah kiri dan nilai yang tersebar tidak sekata di seluruh halaman
Dalam keadaan ini, imej ke Excel menjadi tugas mentafsir susun atur.
Gunakan urutan keputusan berikut:
- Cari baris penanda, biasanya pengepala atau baris data pertama yang berulang.
- Bandingkan corak jarak pada beberapa baris, bukan satu baris sahaja.
- Tentukan sama ada dokumen mempunyai lajur tetap atau blok teks yang berubah-ubah.
- Jika baris tidak konsisten, pecahkan halaman kepada kawasan pengekstrakan yang lebih kecil daripada memaksa satu jadual seluruh halaman.
- Bina semula helaian Excel akhir berdasarkan corak data yang berulang, bukan semata-mata rupa halaman.
Jika halaman mengandungi beberapa blok yang tidak berkaitan, menganggapnya sebagai jadual berasingan biasanya memberi hasil yang lebih bersih berbanding cuba mengekalkan susun atur visual asal.
Bagi pembaca yang ingin melihat maklumat ketersediaan umum tentang jenis proses ini, lihat halaman maklumat imej ke Excel OCR.
Jadual semakan ringkas sebelum mempercayai helaian hamparan
Gunakan senarai semak ringkas ini selepas pengekstrakan dan sebelum fail dikongsi.
| Titik semakan | Perkara yang perlu disahkan | Tanda amaran biasa |
|---|---|---|
| Pengepala | Setiap pengepala lajur sepadan dengan nilai di bawahnya | Nombor muncul di bawah pengepala yang sepatutnya teks sahaja |
| Kesinambungan baris | Satu baris sumber menjadi satu baris helaian hamparan | Nilai daripada satu baris terpecah menjadi dua baris |
| Konteks sel gabung | Label bahagian dibawa ke baris berkaitan jika perlu | Sel kosong muncul di tempat label bersama sepatutnya ada |
| Medan berangka | Tarikh, perpuluhan dan pengenal kekal utuh | Sifar di depan hilang, perpuluhan rosak, bahagian tarikh bercampur |
| Sel kosong | Kekosongan sebenar kekal kosong dan tidak beralih | Nilai bergerak ke kiri masuk ke lajur kosong |
| Jumlah atau kiraan | Jumlah yang kelihatan pada sumber masih masuk akal selepas import | Baris jumlah tidak lagi sejajar dengan bahagiannya |
Semakan seperti ini biasanya lebih pantas daripada memeriksa setiap aksara. Semakan struktur menangkap kesilapan yang paling penting dalam helaian hamparan.
Langkah kerja yang mengurangkan masa pembaikan
Apabila berdepan imej jadual yang sukar, gunakan proses berperingkat:
- Periksa imej sumber dan kenal pasti jenis masalah jadual: grid kabur, sel gabung, sempadan hilang atau susun atur bercampur.
- Baiki kebolehbacaan hanya setakat perlu, seperti meluruskan halaman atau memotong tepi yang tidak berkaitan.
- Kenal pasti unit jadual paling kecil yang boleh dipercayai, contohnya satu blok baris yang berulang.
- Ekstrak atau bina semula data mengikut logik lajur, bukan rupa visual semata-mata.
- Luaskan konteks sel gabung kepada nilai baris biasa apabila analisis seterusnya memerlukan penapisan atau pengisihan.
- Bandingkan beberapa baris sumber dengan helaian untuk memastikan corak lajur adalah stabil.
- Semak secara manual medan sensitif, khususnya tarikh, amaun, kod dan jumlah.
- Hanya selepas itu gunakan pemformatan helaian hamparan seperti tajuk gabung, garis sempadan atau warna jika persembahan penting.
Susunan ini penting. Jika anda memformat dahulu dan mengesahkan kemudian, kesilapan struktur menjadi lebih sukar dikesan.
Had yang perlu dijangka
Walaupun aliran kerja dibuat dengan teliti, tetap ada batasannya.
imej ke Excel mungkin sukar apabila:
- resolusi imej terlalu rendah untuk memisahkan lajur bersebelahan
- tulisan tangan bertindih dengan teks jadual bercetak
- bayang atau lipatan menutup sempadan sel
- halaman yang sama mencampurkan borang, nota dan jadual tanpa pemisahan jelas
- sel gabung menyatakan hierarki yang kompleks dan sukar diwakili dengan bersih dalam helaian rata
Dalam keadaan begitu, pembinaan semula separa secara manual mungkin pilihan yang paling boleh diharap. Itu bukan kegagalan proses. Selalunya itulah keputusan yang betul apabila susun atur dokumen membawa makna yang tidak dapat dipelihara sepenuhnya dalam jadual rata.
Matlamat utama bukan memaksa automasi sempurna. Matlamatnya ialah menghasilkan helaian hamparan yang strukturnya boleh difahami, boleh disemak dan selamat digunakan semula.