Konvertér tabeller fra scannede PDF-filer til Excel.

I praksis

Få pålidelige tal ud af papirarkiver

Scannede PDF'er er som regel de dokumenter, ingen længere har digitalt: underskrevne kontrakter med pristabeller, arkiverede følgesedler, ældre årsregnskaber, faxede ordrebekræftelser og årtiers arkiveret papirarbejde. OCR er det, der gør dem brugbare, og scanningskvaliteten sætter et hårdt loft for udtrækningskvaliteten — software kan kompensere for noget støj, men ikke for information, der aldrig blev fanget.

Styrer du selv scanneren, er 300 DPI i gråtoner eller sort-hvid det optimale for trykte tabeller; under 200 DPI begynder små cifre at miste de streger, der adskiller dem. Læg siden fladt og lige på glasset, og foretræk planscanneren frem for arkføderen til indbundne eller krøllede originaler. Stempler, underskrifter og vandmærker, der overlapper tabellen, er værd at bemærke: Celler under et blækstempel er dem, der mest sandsynligt kræver en manuel rettelse.

Behandl eksporten som et udkast ved følsomme data. En hurtig kontrolrutine — tjek kolonnetotalerne, og gennemgå derefter datokolonnen for umulige værdier — fanger langt størstedelen af OCR-fejlene på en brøkdel af tiden for en fuld genlæsning.

At konvertere scanning til Excel er et problem i to trin: OCR læser tegnene, og derefter genopbygger tabelgenkendelsen rækkerne og kolonnerne omkring dem. Scanningens kvalitet fodrer begge trin, og derfor sparer et par ekstra minutter ved scanneren som regel mere gennemgangstid end noget oprydningstrick bagefter.