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
- รหัสสินค้า
- รายละเอียด
- จำนวน
- ราคาต่อหน่วย
- ยอดรวมต่อรายการ
และที่ท้ายหน้าสุดท้ายมีข้อมูลเพิ่มเติม คือ
- ยอดรวมย่อย
- ภาษี
- ค่าขนส่ง
- ยอดรวมสุทธิ
เป้าหมายไม่ใช่แค่นำข้อความเข้าเซลล์ แต่ต้องรักษาความสัมพันธ์ของแต่ละแถวให้ถูกต้อง และยืนยันว่าตัวเลขยังบวกลบคูณหารกันได้ตรงกับต้นฉบับหลังแปลง PDF สแกนเป็น Excel แล้ว
ลำดับการทำงานที่เหมาะสมมีดังนี้
- ระบุคอลัมน์ที่คาดว่าจะพบ และจดลำดับคอลัมน์ไว้ก่อน
- ใช้กระบวนการ OCR เพื่อดึงตารางจากไฟล์สแกนออกมาเป็น Excel
- ตรวจว่าหนึ่งรายการยังคงอยู่ในหนึ่งแถว
- ตรวจว่าจำนวน ราคาต่อหน่วย และยอดรวมแยกอยู่คนละคอลัมน์
- คำนวณยอดรวมต่อรายการซ้ำใน Excel เทียบกับข้อมูลที่ได้
- เปรียบเทียบยอดรวมย่อยและยอดรวมสุทธิกับเอกสารสแกน
- 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