jpg PDF轉Excel 常見於發票、費用表、庫存清單或對帳資料。真正困難的地方,不只是把掃描文件中的內容辨識到 Excel,而是確認每一列是否仍然對齊、每個欄位是否落在正確位置,以及小計與總計是否還算得回來。只要把重點放在「列完整性」與「總計驗證」,你通常能更快判斷這份試算表能不能繼續使用。
如果你想先看這個主題的資訊頁與目前供應情況,可參考OCR PDF 轉 Excel 資訊頁。
這個流程適合處理什麼文件
這份做法專注在一件事:把掃描表格辨識成 Excel 後,驗證列資料與加總結果是否可靠。它特別適合這幾類文件:
- 有品項明細與稅額的發票
- 含日期、分類與金額的費用報表
- 有數量、單價與金額的庫存清單
- 列式帳務資料或銀行風格表格
- 含小計與總計列的報表
如果原始 PDF 內已有可選取文字,擷取通常比掃描檔容易得多;但若文件本質上是圖片型 PDF 或 JPG 掃描,就需要先做 OCR,之後才能在 Excel 中整理與檢查。
先做簡單判讀,不必急著轉檔
開始前,先看一下掃描頁面本身是否適合做表格辨識。你不需要做很長的技術分析,只要先判斷這份文件是不是「有機會維持表格結構」。
可以先看這些訊號:
- 每頁是一個規則明確的表格
- 各列之間有清楚分隔或固定間距
- 欄位標題清楚可辨
- 數字排列穩定、靠齊一致
- 文件中有小計或總計,方便後續驗算
- 每列重複相同欄位結構,例如品號、數量、單價、金額
也要留意常見風險:
- 合併儲存格或跨兩行的品項描述
- 表格區內插入註腳
- 印章、簽名遮住數字
- 同一欄混用不同金額格式
- 跨頁後欄位位置略有偏移
這一步的目的,不是追求完美,而是先知道後面最可能花時間修正的是哪一類問題。
範例:把掃描發票表格整理成 Excel
假設你手上有一份三頁的供應商發票掃描檔,表格欄位如下:
- 品號
- 品名說明
- 數量
- 單價
- 金額
最後一頁底部另外有:
- 小計
- 稅額
- 運費
- 總計
在這種情境下,jpg PDF轉Excel 的目標不是單純把字放進儲存格,而是要保住列與欄的對應關係,並確認辨識後的數字仍能算出相同結果。
建議的處理順序如下:
- 先記下表格欄位的預期順序。
- 將掃描表格透過 OCR 流程輸出到 Excel。
- 先檢查每個品項是否仍然只占一列。
- 確認數量、單價、金額是否分別落在正確欄位。
- 在 Excel 中重新計算列金額。
- 比對小計、稅額與總計是否與原稿一致。
- 把不符合規律的列標記出來人工複查。
這個步驟順序很重要。若一開始就只修單字或單個數字,往往會忽略更大的結構錯誤,例如整列錯位或兩列被合併。
六個步驟完成較穩定的檢查流程
1. 先定義預期欄位結構
在辨識前,先寫下你預期看到的欄位與資料型態。這樣做的好處是,之後不需要靠感覺判斷哪裡怪怪的,而是可以直接對照。
| 欄位 | 預期內容 | 快速判斷規則 |
|---|---|---|
| 品號 | 短的英數代碼 | 一列通常只會有一個代碼 |
| 品名說明 | 文字 | 可換行,但仍應屬於同一列 |
| 數量 | 數字 | 應為數值欄 |
| 單價 | 金額 | 小數格式應一致 |
| 金額 | 金額 | 應與數量乘單價相符 |
有了這個基準,後續就能更快找出錯欄、漏列或格式混亂的情況。
2. 執行 OCR 並匯出到 Excel
進入 OCR 階段時,重點不只是文字被辨識出來,而是表格有沒有維持「像表格」的狀態。實務上常見兩種情況:
- 文字有辨識出來,而且大致保留欄位
- 文字雖然辨識成功,但全部擠進一欄或順序打散
如果輸出後像是一串直落文字,那代表 OCR 可能只抓到了字,沒有穩定抓到表格結構。這時候後續在 Excel 裡的分欄、重整與人工校正就會變多。
3. 先檢查列完整性,再修細節
這一步是整個流程最重要的地方。不要一開始就修單個字元,先確認每一筆資料還是不是一筆完整資料。
請先問自己:
- 原本一筆明細有沒有被拆成兩列?
- 兩筆短列有沒有被錯合成一列?
- 長品名是否把數量或金額擠到下一列?
- 標題列或頁首頁尾有沒有混進資料區?
只要列結構不對,後面所有公式與加總都可能跟著錯。相反地,若列結構還在,即使少數字元辨識有誤,通常也比較容易修回來。
4. 整理欄位,讓資料能真正運算
列結構穩定後,再來處理欄位正規化。這一步的目標,是讓 Excel 能正確把內容當作資料,而不只是看起來像資料。
常見整理動作包括:
- 把小計列、總計列從明細列中分開
- 將看似數字但其實是文字的欄位轉成數值
- 把落在同一欄的複合內容拆開
- 處理跨頁導致的重複標題列
- 補齊被中斷的欄位內容
建議保留一份原始輸出工作表,再另外建立一份整理用副本。這樣如果修正過程出現疑問,還能回頭核對最初的 OCR 結果。
5. 用小計與總計驗證結果是否可靠
這是區分「看起來可用」與「實際較可靠」的關鍵步驟。你可以在 Excel 中用最基本的計算規則,檢查這份辨識結果是否自洽。
可檢查的重點包括:
- 列金額是否等於數量乘單價
- 小計是否等於所有列金額總和
- 總計是否等於小計加上稅額與其他費用
- Excel 中的資料列數是否與掃描文件可見列數一致
下面是一個簡短檢查表:
| 檢查項目 | 要比對什麼 | 能抓出什麼問題 |
|---|---|---|
| 列數 | 掃描原稿對照 Excel | 找出漏列或多列 |
| 欄位位置 | 標題與內容是否對齊 | 找出欄位位移 |
| 列運算 | 數量 × 單價 是否等於金額 | 找出數字辨識錯誤 |
| 小計 | 列金額加總對照原稿小計 | 找出漏列或錯列 |
| 總計 | 小計加稅額與費用對照原稿總計 | 找出後段加總錯誤 |
如果差異很小,可能是個別數字看錯、字元相似或小數點位置不對;如果差異很大,就應該優先懷疑是否有整列遺漏、欄位錯位,或兩列被錯誤拆分。
6. 把例外列標記出來人工複查
不是每一份掃描表格都能在第一次辨識後直接信任。最實用的做法,是建立「例外列清單」,讓你把時間花在最可能出錯的地方。
可優先標記這些情況:
- 數量或金額欄為空白
- 數值欄出現文字
- 不應出現負數卻出現負數
- 相同品號對應到明顯不一致的金額
- 小計或總計列混進明細列
- 某列格式明顯與前後列不同
這樣做的好處是,你不一定要逐列重看全部內容,也能先鎖定高風險區域。
使用前的快速複核清單
在你分享、匯入或繼續分析這份 Excel 前,可以用下面這份清單快速檢查:
- 確認所有頁面都已納入
- 確認中途沒有重複標題列
- 確認每筆明細只占一列
- 確認數量、單價、金額都是可運算的數值欄
- 確認小計與總計能重新算出一致結果
- 確認註腳、印章、簽名沒有混入資料區
- 確認例外列都已人工查看
這種做法的限制
即使用對流程,掃描表格 OCR 仍有明顯限制。以下情況通常較容易出現問題:
- 解析度偏低或壓縮過重
- 欄距太窄,數字彼此靠得太近
- 一列內有多行說明,造成列高不一致
- 小計或總計不是規則表格,而是浮動位置文字
- 文件混合印刷文字與手寫內容
- 同一欄位跨頁後位置改變
遇到這些情況時,jpg PDF轉Excel 仍可能幫你節省整理時間,但輸出的 Excel 更應被視為待審稿,而不是最終可信來源。
什麼情況下最值得用這套流程
當文件具有重複的列結構,而且內含可以驗算的數學關係時,這套方法最有價值。像是交易明細、帳務表、採購清單、費用報表,都很適合用「列完整性 + 總計驗證」來評估 OCR 結果。
最實用的原則其實很簡單:不要只看文字有沒有辨識出來,而要看列有沒有保住、總計有沒有對上。對需要處理 jpg PDF轉Excel 的工作來說,這通常比單純追求看起來整齊更重要。