แปลง PDF สแกนเป็น Excel: วิธีทำงานเพื่อดึงตารางและตรวจสอบแถวกับยอดรวม

ต้องการแปลง PDF สแกนเป็น Excel สำหรับข้อมูลแบบตารางหรือไม่ บทความนี้สรุปขั้นตอนที่ใช้งานได้จริงในการดึงข้อมูล ตรวจสอบความถูกต้องของแต่ละแถว และทวนยอดรวมใน Excel ก่อนนำไปใช้ต่อ

แปลง PDF สแกนเป็น Excel: วิธีทำงานเพื่อดึงตารางและตรวจสอบแถวกับยอดรวม

การแปลง PDF สแกนเป็น Excel มีประโยชน์มากเมื่อเอกสารมีข้อมูลแบบตารางที่ต้องนำไปวิเคราะห์ จัดเรียง หรือกระทบยอดในสเปรดชีต สิ่งสำคัญไม่ใช่แค่ดึงข้อความออกมาได้ แต่ต้องตรวจสอบด้วยว่าแถว คอลัมน์ และยอดรวมยังสมเหตุสมผลหลังการรู้จำอักขระหรือไม่ หากมีลำดับการทำงานที่ชัดเจน คุณจะเปลี่ยนเอกสารสแกนให้กลายเป็นไฟล์ Excel ที่ใช้งานต่อได้ โดยลดการแก้มือทีละช่องลงมาก

หากต้องการดูหน้าข้อมูลเกี่ยวกับหัวข้อนี้เพิ่มเติม สามารถดูได้ที่ หน้าข้อมูล OCR PDF เป็น Excel

บทความนี้เหมาะกับงานแบบใด

แนวทางนี้มุ่งที่งานเฉพาะอย่างหนึ่ง คือ รู้จำข้อมูลตารางจากไฟล์สแกนลงใน Excel แล้วตรวจสอบผลลัพธ์ว่าถูกต้องพอใช้งานหรือไม่ เหมาะกับเอกสาร เช่น

  • ใบแจ้งหนี้ที่มีรายการสินค้าและยอดภาษี
  • รายงานค่าใช้จ่ายที่มีวันที่ หมวดหมู่ และจำนวนเงิน
  • ตารางสต็อกสินค้าที่มีจำนวนและราคาต่อหน่วย
  • ตารางบัญชีหรือรายการเดินบัญชีที่แต่ละแถวต้องตรงกัน
  • รายงานที่มีบรรทัดยอดย่อยและยอดรวมท้ายเอกสาร

เรื่องนี้ต่างจากการแปลง PDF ทั่วไป เพราะถ้าไฟล์ PDF เดิมเลือกข้อความได้อยู่แล้ว การดึงข้อมูลมักง่ายกว่า แต่ถ้าเป็นไฟล์สแกนหรือ PDF ที่เกิดจากรูปภาพ จำเป็นต้องใช้ OCR เพื่ออ่านตัวอักษรและโครงสร้างตารางก่อนจึงจะนำไปทำงานต่อใน Excel ได้

เริ่มจากดูสภาพเอกสารแบบเร็ว ๆ

ก่อนเริ่มแปลง ให้ดูเอกสารสแกนก่อนว่าอยู่ในสภาพที่เหมาะกับการดึงตารางหรือไม่ ไม่จำเป็นต้องตรวจเชิงเทคนิคละเอียดมาก แค่ประเมินว่าตารางมีโอกาสออกมาเป็นระเบียบหรือไม่

สิ่งที่ควรมองหา ได้แก่

  • หนึ่งหน้ามีตารางหลักที่รูปแบบคงที่
  • มีเส้นแบ่งแถวชัดเจน หรืออย่างน้อยมีระยะห่างสม่ำเสมอ
  • หัวคอลัมน์อ่านได้ชัด
  • ตัวเลขอ่านง่ายและจัดแนวสม่ำเสมอ
  • มีบรรทัดยอดรวมหรือยอดย่อยให้ใช้ตรวจสอบภายหลัง
  • รูปแบบข้อมูลซ้ำกัน เช่น รหัสสินค้า จำนวน ราคาต่อหน่วย ยอดรวม

ความเสี่ยงที่ควรระวัง ได้แก่

  • เซลล์ผสานหรือคำอธิบายหลายบรรทัดในหนึ่งรายการ
  • เชิงอรรถหรือหมายเหตุแทรกอยู่ในพื้นที่ตาราง
  • ตราประทับหรือลายเซ็นบังตัวเลข
  • คอลัมน์เดียวมีหลายรูปแบบ เช่น สกุลเงินปะปนกัน
  • ตำแหน่งคอลัมน์เลื่อนต่างกันระหว่างหน้า

การประเมินสั้น ๆ แบบนี้ช่วยให้เดาได้ว่าหลัง OCR จะต้องเก็บงานมากน้อยแค่ไหน

ตัวอย่างงานจริง: ใบแจ้งหนี้สแกน 3 หน้า

สมมติว่าคุณมีใบแจ้งหนี้จากผู้ขายจำนวน 3 หน้า แต่ละหน้ามีตารางคอลัมน์ดังนี้

  1. รหัสสินค้า
  2. รายละเอียด
  3. จำนวน
  4. ราคาต่อหน่วย
  5. ยอดรวมต่อรายการ

และที่ท้ายหน้าสุดท้ายมีข้อมูลเพิ่มเติม คือ

  • ยอดรวมย่อย
  • ภาษี
  • ค่าขนส่ง
  • ยอดรวมสุทธิ

เป้าหมายไม่ใช่แค่นำข้อความเข้าเซลล์ แต่ต้องรักษาความสัมพันธ์ของแต่ละแถวให้ถูกต้อง และยืนยันว่าตัวเลขยังบวกลบคูณหารกันได้ตรงกับต้นฉบับหลังแปลง PDF สแกนเป็น Excel แล้ว

ลำดับการทำงานที่เหมาะสมมีดังนี้

  1. ระบุคอลัมน์ที่คาดว่าจะพบ และจดลำดับคอลัมน์ไว้ก่อน
  2. ใช้กระบวนการ OCR เพื่อดึงตารางจากไฟล์สแกนออกมาเป็น Excel
  3. ตรวจว่าหนึ่งรายการยังคงอยู่ในหนึ่งแถว
  4. ตรวจว่าจำนวน ราคาต่อหน่วย และยอดรวมแยกอยู่คนละคอลัมน์
  5. คำนวณยอดรวมต่อรายการซ้ำใน Excel เทียบกับข้อมูลที่ได้
  6. เปรียบเทียบยอดรวมย่อยและยอดรวมสุทธิกับเอกสารสแกน
  7. ทำเครื่องหมายแถวที่ผิดรูปแบบเพื่อให้ตรวจทานด้วยคน

ขั้นตอนสุดท้ายนี้สำคัญมาก เพราะช่วยเปลี่ยนผลลัพธ์ที่เป็นเพียงร่างให้กลายเป็นตารางที่เชื่อถือได้มากขึ้น

ขั้นตอนทำงาน 6 ขั้นที่ใช้ได้จริง

1. กำหนดโครงสร้างตารางที่คาดหวัง

ก่อนแปลง ให้กำหนดก่อนว่าควรมีคอลัมน์อะไรบ้าง และแต่ละคอลัมน์ควรเก็บข้อมูลชนิดใด

คอลัมน์ ข้อมูลที่คาดหวัง กติกาตรวจแบบเร็ว
รหัสสินค้า รหัสสั้นแบบตัวอักษรหรือตัวเลข หนึ่งแถวมีหนึ่งรหัส
รายละเอียด ข้อความ อาจยาวได้ แต่ยังเป็นรายการเดียว
จำนวน ตัวเลข ควรเป็นตัวเลขล้วน
ราคาต่อหน่วย จำนวนเงิน รูปแบบทศนิยมควรสม่ำเสมอ
ยอดรวมต่อรายการ จำนวนเงิน ควรสัมพันธ์กับจำนวน × ราคาต่อหน่วย

เมื่อตั้งแบบตรวจไว้ล่วงหน้า คุณจะตรวจผลได้เป็นระบบ แทนที่จะเดาเอาหลังแปลงเสร็จ

2. ทำ OCR และส่งออกเป็น Excel

ใช้เครื่องมือหรือกระบวนการที่รองรับ OCR สำหรับ PDF สแกน แล้วส่งผลไปเป็นตารางใน Excel อย่างไรก็ตาม พฤติกรรมของ OCR แตกต่างกันได้มาก จึงไม่ควรถือว่าผลลัพธ์จะสมบูรณ์ตั้งแต่ครั้งแรก

ในขั้นนี้ให้ดูสองเรื่องหลัก

  • ข้อความถูกอ่านออกมาหรือไม่
  • ตารางยังคงมีลักษณะเป็นตารางหรือไม่

ถ้าข้อมูลทั้งหมดไหลไปรวมอยู่ในคอลัมน์เดียว แปลว่าอาจอ่านตัวอักษรได้ แต่ยังจับโครงสร้างตารางไม่ได้ดีพอ ซึ่งจะต้องแยกข้อมูลและจัดคอลัมน์กันต่อใน Excel

3. ตรวจความสมบูรณ์ของแถวก่อนอย่างอื่น

อย่าเพิ่งเริ่มแก้ตัวอักษรทีละตัว สิ่งแรกที่ต้องดูคือ หนึ่งรายการยังเป็นหนึ่งรายการอยู่หรือไม่

ให้ถามตัวเองว่า

  • รายการหนึ่งบรรทัดถูกแยกเป็นสองแถวหรือไม่
  • สองรายการสั้น ๆ ถูกจับรวมเป็นแถวเดียวหรือไม่
  • คำอธิบายที่ยาวทำให้ตัวเลขหล่นไปแถวถัดไปหรือไม่
  • แถวหัวตารางถูกปนเข้ามาในข้อมูลหรือไม่

เหตุผลคือ ถ้าโครงสร้างแถวผิด ต่อให้คำอ่านถูกหลายช่อง สูตรและยอดรวมก็ยังผิดอยู่ดี ในทางกลับกัน ถ้าแถวถูกต้อง การแก้ตัวอักษรหรือเลขที่ผิดเล็กน้อยจะทำได้ง่ายกว่า

4. จัดระเบียบคอลัมน์ในสเปรดชีต

เมื่อแน่ใจว่าแถวหลักยังอยู่ครบแล้ว ค่อยจัดคอลัมน์ให้เป็นมาตรฐาน

งานเก็บข้อมูลที่พบบ่อย เช่น

  • ย้ายบรรทัดยอดรวมย่อยออกจากตารางรายการสินค้า
  • เปลี่ยนค่าที่ถูกอ่านเป็นข้อความให้กลายเป็นตัวเลขจริง
  • แยกค่าที่ถูกรวมอยู่ในคอลัมน์เดียวออกจากกัน
  • เติมค่าที่ขาดเพราะการขึ้นหน้าใหม่ของเอกสาร
  • ลบหัวตารางที่ซ้ำจากหลายหน้า

แนวทางที่ดีคือเก็บชีตผลลัพธ์ดั้งเดิมไว้หนึ่งชุด แล้วค่อยทำความสะอาดบนสำเนาอีกชุด วิธีนี้ช่วยให้ย้อนกลับไปตรวจต้นตอของความผิดพลาดได้ง่ายขึ้น

5. ตรวจความสัมพันธ์ของตัวเลขและยอดรวม

นี่คือแกนหลักของวิธีแปลง PDF สแกนเป็น Excel ให้ใช้งานได้จริง

หลัง OCR แล้ว ให้ใช้ Excel ตรวจว่าตารางยังมีความสอดคล้องภายในหรือไม่ เช่น

  • ยอดรวมต่อรายการควรเท่ากับจำนวนคูณราคาต่อหน่วย
  • ยอดรวมย่อยควรเท่ากับผลรวมของทุกรายการ
  • ยอดรวมสุทธิควรเท่ากับยอดรวมย่อยบวกภาษีและค่าใช้จ่ายอื่น
  • จำนวนแถวควรเท่ากับจำนวนรายการที่เห็นในเอกสารสแกน

ตารางตรวจแบบย่อ:

จุดตรวจ เปรียบเทียบอะไร ช่วยจับความผิดแบบใด
จำนวนแถว เอกสารสแกนกับ Excel แถวหายหรือแถวเกิน
ตำแหน่งคอลัมน์ หัวคอลัมน์กับค่าจริง ค่าที่เลื่อนไปผิดช่อง
การคำนวณต่อแถว จำนวน × ราคาต่อหน่วย เทียบกับยอดรวม ตัวเลขอ่านผิด
ยอดรวมย่อย ผลรวมของรายการ เทียบกับยอดที่ระบุ รายการตกหล่น
ยอดรวมสุทธิ ยอดรวมย่อยบวกค่าใช้จ่าย เทียบกับยอดท้ายเอกสาร ความผิดพลาดช่วงท้าย

ถ้ายอดรวมย่อยคลาดเคลื่อนเล็กน้อย ให้เริ่มตรวจแถวที่มีตัวเลขคล้ายกัน เช่น 3 กับ 8 หรือกรณีจุดทศนิยมผิดตำแหน่ง แต่ถ้าคลาดเคลื่อนมาก ควรสงสัยก่อนว่าแถวหาย แถวซ้อน หรือการจับกลุ่มข้อมูลผิด

6. ทำรายการข้อยกเว้นเพื่อให้คนตรวจทาน

ตารางจาก OCR ไม่ควรถูกเชื่อถือทั้งหมดโดยไม่ตรวจทาน โดยเฉพาะเมื่อเอกสารซับซ้อน ควรทำรายการแถวที่ต้องกลับไปดูด้วยคน

ตัวอย่างเงื่อนไขที่ควรติดธงไว้ ได้แก่

  • ช่องจำนวนหรือจำนวนเงินว่างเปล่า
  • มีข้อความปนอยู่ในคอลัมน์ตัวเลข
  • มีค่าติดลบทั้งที่ตามรูปแบบเอกสารไม่น่ามี
  • รหัสสินค้าเดียวกันแต่มียอดไม่สอดคล้องกัน
  • บรรทัดยอดรวมไปปรากฏปนในรายการรายละเอียด
  • ค่าใด ๆ ที่ไม่เข้ากับรูปแบบของทั้งเอกสาร

วิธีนี้ช่วยลดภาระการตรวจทั้งไฟล์ เพราะคุณจะโฟกัสกับแถวที่มีโอกาสผิดมากที่สุด

รายการตรวจสั้น ๆ ก่อนนำไฟล์ไปใช้

ก่อนส่งต่อหรือใช้ไฟล์ Excel ให้ไล่เช็กตามนี้

  • ยืนยันว่าครบทุกหน้าแล้ว
  • ยืนยันว่าหัวตารางถูกต้องและไม่ซ้ำกลางตาราง
  • ยืนยันว่าทุกรายการอยู่คนละหนึ่งแถว
  • ยืนยันว่าจำนวน ราคา และยอดรวมเป็นเซลล์ตัวเลขจริง
  • ยืนยันว่ายอดรวมย่อยและยอดรวมสุทธิคำนวณซ้ำแล้วตรงกัน
  • ยืนยันว่าหมายเหตุ ท้ายกระดาษ หรือลายเซ็นไม่ปะปนเข้ามาในตารางข้อมูล
  • ยืนยันว่าแถวที่ติดธงไว้ได้รับการตรวจทานแล้ว

ข้อจำกัดที่ควรรู้

แม้มีขั้นตอนที่ดี การรู้จำตารางจากเอกสารสแกนก็ยังมีข้อจำกัด เช่น

  • ไฟล์สแกนความละเอียดต่ำหรือถูกบีบอัดมาก
  • คอลัมน์อยู่ชิดกันจนแยกยาก
  • รายการหนึ่งแถวมีคำอธิบายหลายบรรทัดและระยะห่างไม่คงที่
  • ยอดรวมอยู่ในกล่องข้อความที่ไม่เป็นระเบียบเดียวกับตาราง
  • เอกสารมีทั้งตัวพิมพ์และลายมือปนกัน
  • ตำแหน่งฟิลด์เดียวกันเปลี่ยนไปในแต่ละหน้า

ในกรณีเหล่านี้ OCR ยังช่วยประหยัดเวลาได้ แต่ไฟล์ Excel ที่ได้ควรถูกมองเป็นฉบับร่างที่ต้องตรวจสอบต่อ ไม่ใช่แหล่งข้อมูลสุดท้ายโดยอัตโนมัติ

วิธีนี้เหมาะที่สุดเมื่อใด

แนวทางนี้ได้ผลดีที่สุดกับเอกสารที่มีรูปแบบซ้ำกันและมีตรรกะทางตัวเลขให้ตรวจสอบได้ เช่น ตารางรายการสินค้า เอกสารบัญชี รายงานค่าใช้จ่าย และรายงานที่มีบรรทัดยอดรวมชัดเจน

หลักคิดสำคัญมีเพียงข้อเดียว คือ อย่าตัดสินผลการแปลง PDF สแกนเป็น Excel จากความรู้สึกว่าอ่านข้อความออกหรือไม่ แต่ให้ตัดสินจากว่าแถวยังอยู่ครบ คอลัมน์ยังตรง และยอดรวมยังทวนได้หรือไม่ ถ้าสามอย่างนี้ผ่าน ผลลัพธ์ก็มักพร้อมใช้งานมากขึ้นอย่างมีนัยสำคัญ

คำถามที่พบบ่อย

OCR จาก PDF สแกนเป็น Excel จะรักษาคอลัมน์ตารางให้อัตโนมัติได้เสมอหรือไม่

ไม่เสมอไป บางครั้ง OCR อ่านข้อความได้ถูกต้อง แต่จัดค่าลงผิดคอลัมน์ได้ จึงควรตรวจโครงสร้างแถวและตำแหน่งคอลัมน์ใน Excel ทุกครั้งหลังส่งออก

หลังส่งออกจาก OCR แล้ว ควรตรวจอะไรก่อนเป็นอันดับแรก

ควรตรวจความสมบูรณ์ของแถวก่อน ให้แน่ใจว่าแต่ละรายการจากต้นฉบับยังคงอยู่เป็นหนึ่งแถวใน Excel ก่อนค่อยแก้ตัวอักษรหรือเลขที่ผิดทีละจุด

จะรู้ได้อย่างไรว่าผลลัพธ์จาก OCR น่าเชื่อถือพอหรือยัง

ให้เปรียบเทียบไฟล์ Excel กับเอกสารสแกนโดยดูจำนวนแถว ตำแหน่งคอลัมน์ การคำนวณต่อรายการ ยอดรวมย่อย และยอดรวมสุทธิ หากส่วนเหล่านี้สอดคล้องกัน ผลลัพธ์มักน่าเชื่อถือขึ้นมาก

ทำไมยอดรวมจึงสำคัญในการตรวจผลลัพธ์ OCR

ยอดรวมทำหน้าที่เป็นจุดตรวจตามธรรมชาติของเอกสาร หากยอดรวมต่อรายการ ยอดรวมย่อย และยอดรวมสุดท้ายคำนวณซ้ำได้ตรงกัน จะช่วยจับแถวที่หาย ค่าเลื่อนคอลัมน์ และตัวเลขที่อ่านผิดได้เร็วขึ้น