jpg PDF轉Excel:辨識掃描表格並核對列與總計的實用流程

要做 jpg PDF轉Excel,不只是把文字擷取出來,更要確認表格列結構與總計是否正確。這份流程指南聚焦掃描表格辨識後的 Excel 檢查與驗證。

jpg PDF轉Excel:辨識掃描表格並核對列與總計的實用流程

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:

  1. 品號
  2. 品名說明
  3. 數量
  4. 單價
  5. 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:

  1. 先記下表格欄位的預期順序。
  2. 將掃描表格透過 OCR 流程輸出到 Excel。
  3. 先檢查每個品項是否仍然只占一列。
  4. 確認數量、單價、金額是否分別落在正確欄位。
  5. 在 Excel 中重新計算列金額。
  6. 比對小計、稅額與總計是否與原稿一致。
  7. 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。

常見問題

掃描 PDF 轉成 Excel 後,欄位會自動保留嗎?

有時可以,但不能直接假設一定會保留。OCR 可能把文字辨識正確,卻把數值放到錯誤欄位,所以匯出後仍應先檢查欄位位置與列結構。

OCR 匯出到 Excel 後,第一個要檢查的是什麼?

先看列完整性。確認原本每一筆明細在 Excel 中仍然是一列,沒有被拆開、合併或與標題列混在一起,再處理個別字詞或數字錯誤。

要怎麼判斷 OCR 結果是否可靠?

可用列數、欄位位置、列運算、小計與總計來比對原稿。若這些關鍵檢查都一致,通常表示輸出結果更值得後續使用。

為什麼總計特別適合用來檢查 OCR 結果?

因為總計、小計與列金額提供了天然的驗算基準。只要重新計算後對不上,就能更快發現漏列、錯欄、數字誤判或小數點錯位。