Een gescande PDF naar Excel overzetten met OCR is vooral nuttig als je tabelgegevens wilt sorteren, analyseren of vergelijken in een spreadsheet. De belangrijkste stap is niet alleen het herkennen van tekst, maar vooral het controleren of rijen, kolommen en totalen na de herkenning nog kloppen. Met een duidelijke werkwijze maak je van een scan sneller een bruikbaar Excel-bestand met minder handmatige correcties.
Waar deze werkwijze voor bedoeld is
Deze handleiding richt zich op één concreet doel: gescande tabellen in Excel krijgen en daarna controleren of de uitkomst betrouwbaar is. Dat is vooral relevant bij documenten zoals:
- facturen met regelitems en btw-totalen
- onkostendeclaraties met datums, categorieën en bedragen
- inventarislijsten met aantallen en stukprijzen
- bank- of grootboektabellen waarbij rijen netjes uitgelijnd moeten blijven
- rapporten met subtotalen en een eindtotaal
Dit is iets anders dan een gewone PDF-conversie. Als een PDF al selecteerbare tekst bevat, is gegevensuitlezing meestal eenvoudiger. Bij een scan of een afbeelding-gebaseerde PDF is OCR nodig om eerst tekens en tabelstructuur te herkennen voordat je met de gegevens in Excel kunt werken.
Wil je eerst de informatieve beschikbaarheidspagina bekijken, zie dan OCR PDF naar Excel.
Begin met een snelle documentcontrole
Voordat je iets omzet, bekijk je kort de scan zelf. Je hoeft geen technische analyse te doen. Het doel is alleen bepalen of het document waarschijnlijk een nette tabel in Excel kan opleveren.
Let op deze signalen:
- Gebruik op iedere pagina een tabel met dezelfde kolomindeling, zodat de gegevens op een consistente manier kunnen worden overgenomen.
- zichtbare rijscheiding of voorspelbare witruimte
- duidelijke kolomkoppen
- goed leesbare cijfers met vaste uitlijning
- subtotalen of totalen die je later kunt narekenen
- terugkerende rijopbouw, zoals artikel, aantal, prijs en bedrag
Houd ook rekening met risico’s:
- samengevoegde cellen of meerregelige omschrijvingen
- voetnoten midden in het tabelgebied
- stempels of handtekeningen over cijfers heen
- verschillende valuta of getalnotaties in één kolom
- pagina’s waarop dezelfde kolom verschuift
Met deze snelle controle weet je beter hoeveel nabewerking je na OCR kunt verwachten.
Voorbeeld: een gescande factuurtabel naar Excel zetten
Stel: je hebt een gescande leveranciersfactuur van drie pagina’s. Op elke pagina staat een tabel met deze kolommen:
- Artikelcode
- Omschrijving
- Aantal
- Stukprijs
- Regelbedrag
Onderaan de laatste pagina staan ook:
- subtotaal
- btw
- verzendkosten
- eindtotaal
Je doel is niet alleen tekst in cellen krijgen. Je doel is dat de relaties tussen de rijen behouden blijven en dat de bedragen na OCR nog steeds optellen zoals in het originele document.
Een praktische volgorde is dan:
- Bepaal welke kolommen steeds terugkomen en noteer de verwachte volgorde.
- Zet de gescande tabel met een OCR-werkwijze over naar Excel.
- Controleer of elke regel ook echt één rij is gebleven.
- Controleer of aantal, stukprijs en regelbedrag in aparte kolommen staan.
- Herbereken waar mogelijk de regelbedragen in Excel.
- Vergelijk subtotalen en eindtotaal met de scan.
- Markeer rijen die het patroon doorbreken.
Juist die laatste controle maakt het verschil tussen een ruwe uitvoer en een spreadsheet waarop je met meer vertrouwen kunt verder werken.
Een betrouwbare werkwijze in 6 stappen
1. Leg de verwachte tabelstructuur vast
Noteer vóór de omzetting welke kolommen je verwacht en welk type gegevens daarin hoort.
| Kolom | Verwachte inhoud | Snelle controle |
|---|---|---|
| Artikelcode | korte alfanumerieke waarde | één code per rij |
| Omschrijving | tekst | mag doorlopen, maar hoort bij één rij |
| Aantal | getal | moet numeriek zijn |
| Stukprijs | geldbedrag | decimaalnotatie moet consistent zijn |
| Regelbedrag | geldbedrag | moet overeenkomen met aantal × stukprijs |
Zo heb je een controlemiddel voor de uitkomst, in plaats van achteraf te moeten raden wat waar thuishoort.
2. Voer OCR uit en exporteer naar Excel
Gebruik een hulpmiddel of proces dat OCR kan toepassen op een gescande PDF en de uitkomst in spreadsheetkolommen kan plaatsen. Omdat OCR-resultaten verschillen per document, is het verstandig om uit te gaan van handmatige controle in plaats van een foutloze export te verwachten.
Let in deze stap vooral op twee dingen:
- de tekst is herkend
- de tabel is ook echt als tabel behouden gebleven
Als alles in één lange kolom terechtkomt, is de tekst misschien wel herkend, maar de tabelstructuur niet. Dan moet je in Excel nog extra splitsen en ordenen.
3. Controleer eerst de rijstructuur
Begin niet direct met losse tekenfouten verbeteren. Controleer eerst of elke regel nog steeds één gegevensregel is.
Vraag jezelf af:
- Is één factuurregel per ongeluk twee rijen geworden?
- Zijn twee korte rijen samengevoegd tot één rij?
- Heeft een lange omschrijving cijfers naar de volgende regel geduwd?
- Zijn kopregels tussen de gegevens terechtgekomen?
Dit is belangrijk omdat kleine OCR-fouten in tekst meestal sneller te herstellen zijn dan een kapotte rijstructuur. Als de rijen niet kloppen, zullen totalen en formules meestal ook niet kloppen.
4. Maak de kolommen in Excel consistent
Als de rijen goed staan, kun je de kolommen opschonen en standaardiseren.
Veelvoorkomende taken zijn:
- subtotalen buiten de detailtabel plaatsen
- als tekst herkende getallen omzetten naar numerieke cellen
- samengekomen waarden over aparte kolommen verdelen
- herhalende waarden aanvullen als een pagina-einde de tabel heeft onderbroken
- dubbele kopregels verwijderen die op meerdere pagina’s zijn meegekomen
Werk bij voorkeur met een kopie van de export. Bewaar het oorspronkelijke OCR-resultaat ongewijzigd, zodat je later altijd kunt terugkijken waar een fout is ontstaan.
5. Controleer totalen en onderlinge relaties
Dit is de kern van de hele werkwijze.
Gebruik na OCR Excel om te testen of de tabel intern logisch blijft. Bijvoorbeeld:
- regelbedrag moet gelijk zijn aan aantal × stukprijs
- subtotaal moet gelijk zijn aan de som van de regelbedragen
- eindtotaal moet gelijk zijn aan subtotaal plus btw en overige kosten
- het aantal rijen moet overeenkomen met het aantal zichtbare regels in de scan
Een korte controletabel:
| Controle | Wat vergelijk je | Waarom dit helpt |
|---|---|---|
| Aantal rijen | scan versus spreadsheet | vindt ontbrekende of extra rijen |
| Kolomplaatsing | koppen versus waarden | vindt verschoven cellen |
| Regelberekening | aantal × stukprijs versus regelbedrag | vindt cijferfouten door OCR |
| Subtotaal | som van regels versus vermeld subtotaal | vindt ontbrekende regels |
| Eindtotaal | subtotaal plus toeslagen versus eindtotaal | vindt latere herkenningsfouten |
Als een subtotaal maar een klein beetje afwijkt, controleer dan rijen met op elkaar lijkende tekens of een verkeerd geplaatste komma of punt. Is het verschil groot, denk dan eerder aan ontbrekende rijen of fout gegroepeerde regels.
6. Markeer uitzonderingen voor handmatige controle
Niet elke gescande tabel is na één OCR-ronde meteen betrouwbaar genoeg. Maak daarom een lijst met uitzonderingen die je handmatig controleert.
Handige signalen zijn:
- lege cel bij aantal of bedrag
- tekst in een numerieke kolom
- negatieve waarden waar je die niet verwacht
- dezelfde artikelcode met afwijkende bedragen
- een totaalregel midden tussen detailregels
- waarden die niet passen bij het patroon van het document
Zo houd je de controle gericht. In plaats van elke rij volledig opnieuw te lezen, kijk je eerst naar de rijen met de grootste kans op fouten.
Korte checklist voordat je het spreadsheet gebruikt
Controleer dit voordat je het Excel-bestand deelt of verder verwerkt:
- Zijn alle pagina’s meegenomen?
- Kloppen de kolomkoppen en staan ze niet midden in de tabel herhaald?
- Staat elk regelitem op precies één rij?
- Zijn aantal, prijs en bedrag echt numerieke cellen?
- Rekenen subtotalen en eindtotaal correct door?
- Zijn notities, voetteksten en handtekeningen buiten de datatabel gebleven?
- Zijn gemarkeerde uitzonderingen handmatig nagekeken?
Beperkingen van OCR voor gescande tabellen
Ook met een goede aanpak zijn er grenzen. Tabelherkenning via OCR kan moeite hebben met:
- scans met lage resolutie of sterke compressie
- kolommen die heel dicht op elkaar staan
- meerregelige omschrijvingen met onregelmatige witruimte
- totalen die los in zwevende tekstvakken staan
- documenten met een mix van getypte tekst en handschrift
- formulieren waarbij dezelfde velden per pagina verschuiven
In zulke gevallen kan OCR nog steeds tijd besparen, maar het Excel-bestand blijft dan een concept voor controle en niet automatisch een definitieve bron.
Wanneer deze aanpak het beste werkt
Deze aanpak werkt het best bij documenten met een herhalende structuur en een rekenkundige logica die je kunt controleren. Denk aan transactietabellen, boekhoudkundige regels en rapporten met duidelijke subtotalen en totalen.
De belangrijkste gewoonte is eenvoudig: beoordeel het resultaat niet alleen op leesbare tekst. Beoordeel het vooral op intacte rijen en kloppende totalen. Dat is meestal de snelste manier om te bepalen of je gescande PDF naar Excel-resultaat al bruikbaar is of nog correctie nodig heeft.