Convertire tabelle da PDF scansionati in Excel.

Nella pratica

Ottenere numeri affidabili dagli archivi cartacei

I PDF scansionati sono di solito i documenti che nessuno ha più in formato digitale: contratti firmati con tabelle di tariffe, bolle di consegna archiviate, bilanci di anni passati, conferme d'ordine via fax e decenni di pratiche archiviate. È l'OCR a renderli utilizzabili, e la qualità della scansione impone un tetto rigido alla qualità dell'estrazione — il software può compensare un po' di rumore, ma non informazioni che non sono mai state catturate.

Se controlli lo scanner, 300 DPI in scala di grigi o bianco e nero è il punto ideale per le tabelle stampate; sotto i 200 DPI le cifre piccole iniziano a perdere i tratti che le distinguono. Appoggia la pagina piatta, allineata al vetro, e preferisci il piano fisso all'alimentatore di fogli per originali rilegati o stropicciati. Timbri, firme e filigrane che si sovrappongono alla tabella meritano attenzione: le celle sotto un timbro a inchiostro sono quelle che più probabilmente richiederanno una correzione manuale.

Tratta l'esportazione come una bozza quando i dati sono sensibili. Una routine di verifica rapida — controllare i totali delle colonne, poi scorrere la colonna delle date cercando valori impossibili — intercetta la grande maggioranza degli errori OCR in una frazione del tempo di una rilettura completa.

Trasformare le scansioni in Excel è un problema in due passaggi: l'OCR legge i caratteri, poi il rilevamento delle tabelle ricostruisce le righe e le colonne attorno a essi. La qualità della scansione alimenta entrambi i passaggi, ed è per questo che qualche minuto in più allo scanner fa di solito risparmiare più tempo di revisione di qualsiasi trucco di pulizia successivo.