Chuyển PDF quét sang Excel hữu ích khi tài liệu chứa dữ liệu dạng bảng mà bạn cần sắp xếp, lọc, đối soát hoặc tính toán trong bảng tính. Điểm quan trọng không chỉ là đưa chữ và số ra Excel, mà còn là kiểm tra xem các dòng, cột và tổng còn hợp lý sau khi nhận dạng hay không. Một quy trình rõ ràng sẽ giúp bạn đi từ bản quét sang tệp Excel dễ dùng hơn, với ít lỗi sửa tay hơn.
Bài viết này tập trung vào một việc cụ thể: nhận diện bảng từ tài liệu quét vào Excel rồi kiểm tra lại cấu trúc dòng và các tổng số. Cách làm này đặc biệt phù hợp với hóa đơn, bảng kê chi phí, bảng tồn kho hoặc các bảng có dòng cộng phụ và tổng cộng. Nếu bạn muốn xem trang thông tin về chủ đề này, hãy tham khảo công cụ OCR PDF sang Excel.
Khi nào nên áp dụng quy trình này
Cách làm này phù hợp nhất khi tài liệu có bảng lặp lại theo cấu trúc tương đối ổn định, ví dụ:
- hóa đơn có danh sách mặt hàng và tổng tiền
- bảng kê chi phí có ngày, hạng mục và số tiền
- bảng tồn kho có số lượng, đơn giá và thành tiền
- bảng đối soát có nhiều dòng cần giữ đúng vị trí cột
- báo cáo có cộng phụ và tổng cuối
Điều này khác với việc chuyển PDF thông thường. Nếu tệp PDF đã có văn bản có thể chọn được, việc trích xuất thường đơn giản hơn. Khi tệp là bản quét hoặc PDF dạng ảnh, bạn cần OCR để nhận ra ký tự và cấu trúc bảng trước khi làm việc trong Excel.
Đánh giá nhanh tài liệu trước khi nhận dạng
Trước khi bắt đầu, hãy xem nhanh bản quét để ước lượng mức độ sạch của bảng. Bạn không cần đánh giá quá kỹ, chỉ cần xác định tài liệu có khả năng cho ra bảng dễ kiểm tra hay không.
Hãy tìm các dấu hiệu sau:
- mỗi trang có một bảng rõ ràng, tương đối nhất quán
- có khoảng cách dòng đều hoặc đường kẻ dễ nhìn
- tiêu đề cột rõ
- số liệu đọc được và thẳng cột
- có dòng cộng phụ hoặc tổng để đối chiếu sau này
- mỗi dòng dữ liệu lặp lại cùng một mẫu, như mã hàng, mô tả, số lượng, đơn giá, thành tiền
Đồng thời, ghi nhận các rủi ro thường gặp:
- ô gộp hoặc mô tả kéo dài nhiều dòng
- ghi chú chen vào vùng bảng
- dấu mộc hoặc chữ ký che số
- một cột trộn nhiều kiểu định dạng
- cùng một cột nhưng vị trí bị lệch giữa các trang
Việc nhìn nhanh này giúp bạn biết nên kỳ vọng loại chỉnh sửa nào sau OCR.
Ví dụ thực tế: hóa đơn quét nhiều trang sang Excel
Giả sử bạn có một hóa đơn nhà cung cấp gồm ba trang bản quét. Trên mỗi trang là một bảng với các cột:
- Mã hàng
- Mô tả
- Số lượng
- Đơn giá
- Thành tiền
Cuối trang cuối còn có:
- cộng tiền hàng
- thuế
- phí vận chuyển
- tổng cộng
Mục tiêu không chỉ là đưa chữ và số vào ô Excel. Mục tiêu là giữ đúng quan hệ giữa các dòng và xác nhận rằng các con số vẫn cộng lại đúng sau khi nhận dạng.
Một trình tự thực tế có thể là:
- Xác định thứ tự cột dự kiến và ghi ra trước.
- Nhận dạng bảng từ PDF quét sang Excel bằng quy trình có hỗ trợ OCR.
- Kiểm tra xem mỗi dòng hàng có còn nằm trên đúng một dòng hay không.
- Kiểm tra xem số lượng, đơn giá và thành tiền có vào đúng cột riêng hay không.
- Tính lại thành tiền của từng dòng trong Excel nếu có thể.
- Đối chiếu cộng tiền hàng và tổng cộng với tài liệu quét.
- Đánh dấu những dòng phá vỡ quy luật chung để xem lại thủ công.
Chính bước đối chiếu này mới biến kết quả trích xuất thô thành bảng tính có thể tin cậy hơn.
Quy trình 6 bước để chuyển PDF quét sang Excel và đối chiếu kết quả
1. Xác định cấu trúc bảng mong đợi
Trước khi nhận dạng, hãy ghi rõ bạn mong đợi những cột nào và mỗi cột chứa kiểu dữ liệu gì.
Ví dụ:
| Cột | Nội dung mong đợi | Quy tắc kiểm tra nhanh |
|---|---|---|
| Mã hàng | mã ngắn gồm chữ và số | mỗi dòng chỉ có một mã |
| Mô tả | văn bản | có thể dài nhưng vẫn thuộc cùng một dòng hàng |
| Số lượng | số | chỉ nên là dữ liệu số |
| Đơn giá | số tiền | định dạng thập phân nên nhất quán |
| Thành tiền | số tiền | nên khớp với số lượng × đơn giá |
Cách này giúp bạn có một mẫu để so sánh sau khi xuất ra Excel, thay vì sửa theo cảm tính.
2. Chạy OCR và xuất sang Excel
Hãy dùng công cụ hoặc quy trình có thể OCR tài liệu quét và đưa kết quả vào các cột của bảng tính. Vì cách hoạt động của OCR có thể khác nhau, bạn nên mặc định rằng vẫn cần xem lại thủ công, thay vì kỳ vọng tệp xuất ra đã hoàn hảo.
Ở bước này, hãy tập trung vào hai câu hỏi:
- văn bản và số liệu có được nhận ra hay không
- bảng có còn giữ dáng của một bảng hay không
Nếu mọi thứ dồn vào một cột dài, có thể OCR chỉ nhận được chữ mà chưa giữ được cấu trúc bảng. Khi đó, bạn sẽ cần tách và sắp xếp lại trong Excel.
3. Kiểm tra tính toàn vẹn của dòng trước tiên
Đừng bắt đầu bằng việc sửa từng ký tự nhỏ. Việc đầu tiên là xác minh xem mỗi bản ghi còn là một bản ghi hoàn chỉnh hay không.
Hãy tự hỏi:
- một dòng hàng có bị tách thành hai dòng trong Excel không
- hai dòng ngắn có bị gộp thành một không
- mô tả dài có đẩy số xuống dòng kế tiếp không
- hàng tiêu đề có lẫn vào dữ liệu không
Điều này rất quan trọng vì lỗi ký tự nhỏ thường dễ sửa hơn lỗi lệch dòng. Nếu cấu trúc dòng đã sai, phép tính và tổng cộng cũng sẽ sai theo.
4. Chuẩn hóa các cột trong bảng tính
Khi cấu trúc dòng đã ổn hơn, hãy chuẩn hóa các cột.
Các việc thường gặp gồm:
- đưa các dòng cộng phụ ra khỏi vùng dữ liệu chi tiết
- đổi các ô số đang ở dạng văn bản sang dạng số
- tách các giá trị bị dính chung một cột
- điền lại các giá trị bị đứt quãng do ngắt trang
- xóa các hàng tiêu đề lặp lại ở đầu mỗi trang
Nên giữ nguyên một bản kết quả OCR gốc, sau đó làm sạch trên một bản sao làm việc. Như vậy, khi phát hiện sai lệch, bạn còn có điểm để đối chiếu ngược lại.
5. Đối chiếu tổng và quan hệ tính toán
Đây là phần cốt lõi của quy trình chuyển PDF quét sang Excel.
Sau OCR, hãy dùng Excel để kiểm tra xem bảng có nhất quán nội bộ hay không. Ví dụ:
- thành tiền của dòng nên bằng số lượng nhân đơn giá
- cộng tiền hàng nên bằng tổng các thành tiền
- tổng cộng nên bằng cộng tiền hàng cộng thuế và các khoản khác
- số dòng trong Excel nên khớp với số dòng nhìn thấy trên bản quét
Bảng kiểm tra nhanh:
| Mục kiểm tra | Đối chiếu gì | Tác dụng |
|---|---|---|
| Số dòng | bản quét so với Excel | phát hiện thiếu hoặc thừa dòng |
| Vị trí cột | tiêu đề so với dữ liệu | phát hiện ô bị lệch cột |
| Phép tính dòng | số lượng × đơn giá so với thành tiền | phát hiện lỗi nhận dạng số |
| Cộng phụ | tổng các dòng so với cộng phụ trên chứng từ | phát hiện mất dòng |
| Tổng cộng | cộng phụ cộng các khoản liên quan so với tổng cuối | phát hiện sai ở bước cuối |
Nếu chênh lệch nhỏ, hãy kiểm tra các ký tự dễ nhầm hoặc dấu thập phân. Nếu chênh lệch lớn, hãy nghi ngờ thiếu dòng, gộp nhầm dòng hoặc lệch cột.
6. Đánh dấu ngoại lệ để xem lại thủ công
Không phải bảng quét nào cũng nên dùng ngay sau một lần OCR. Hãy tạo danh sách các dòng cần xem lại.
Các dấu hiệu nên gắn cờ gồm:
- ô số lượng hoặc số tiền bị trống
- cột số lại chứa chữ
- xuất hiện số âm bất thường
- cùng một mã hàng nhưng số tiền khác lạ
- dòng tổng chen vào giữa dữ liệu chi tiết
- giá trị không khớp với mẫu chung của tài liệu
Cách làm này giúp bạn tập trung vào những chỗ có nguy cơ lỗi cao nhất thay vì kiểm tra thủ công toàn bộ bảng.
Danh sách kiểm tra ngắn trước khi dùng tệp Excel
Trước khi chia sẻ hoặc nhập dữ liệu vào hệ thống khác, hãy rà lại nhanh:
- Đã gồm đủ tất cả các trang chưa.
- Tiêu đề cột có đúng và không bị lặp giữa bảng không.
- Mỗi dòng hàng có nằm gọn trong một dòng Excel không.
- Các cột số lượng, đơn giá, thành tiền đã là dữ liệu số chưa.
- Cộng phụ và tổng cộng có tính lại đúng không.
- Ghi chú, chân trang, dấu mộc hoặc chữ ký có lẫn vào vùng dữ liệu không.
- Những dòng bị gắn cờ đã được xem lại thủ công chưa.
Giới hạn thường gặp của OCR với bảng quét
Ngay cả khi quy trình tốt, OCR cho bảng vẫn có giới hạn. Việc chuyển PDF quét sang Excel có thể gặp khó khi:
- bản quét mờ hoặc nén quá mạnh
- khoảng cách giữa các cột quá hẹp
- mô tả dài nhiều dòng với khoảng cách không đều
- dòng tổng nằm ở vị trí tách biệt, không theo lưới bảng
- tài liệu trộn chữ đánh máy và chữ viết tay
- cùng một trường dữ liệu xuất hiện ở vị trí khác nhau giữa các trang
Trong các trường hợp đó, OCR vẫn có thể giúp tiết kiệm thời gian, nhưng tệp Excel xuất ra nên được coi là bản nháp để rà soát, không nên xem là nguồn cuối cùng mà không kiểm tra.
Khi nào kết quả đủ đáng tin để sử dụng
Cách tiếp cận này hiệu quả nhất khi tài liệu có cấu trúc lặp lại và có quan hệ tính toán để đối chiếu. Nói đơn giản, nó rất hợp với các bảng giao dịch, bảng kê tài chính và chứng từ có tổng cộng rõ ràng.
Thói quen quan trọng nhất là: đừng chỉ nhìn xem chữ có đọc được hay không. Hãy nhìn xem các dòng có còn nguyên vẹn và các tổng có đối khớp hay không. Đó thường là cách nhanh nhất để biết kết quả chuyển PDF quét sang Excel đã sẵn sàng dùng hay vẫn cần chỉnh sửa thêm.