Converteer tabellen uit gescande PDF's naar Excel.

In de praktijk

Betrouwbare cijfers uit papieren archieven halen

Gescande pdf's zijn meestal de documenten die niemand meer digitaal heeft: ondertekende contracten met tarieventabellen, gearchiveerde pakbonnen, oudere jaarrekeningen, gefaxte orderbevestigingen en decennia aan opgeborgen papierwerk. OCR maakt ze bruikbaar, en de scankwaliteit legt een hard plafond op de extractiekwaliteit — software kan wat ruis compenseren, maar geen informatie terughalen die nooit is vastgelegd.

Heb je de scanner zelf in handen, dan is 300 DPI in grijstinten of zwart-wit ideaal voor gedrukte tabellen; onder de 200 DPI verliezen kleine cijfers de streepjes die ze onderscheidbaar maken. Leg de pagina plat en recht op het glas, en kies bij ingebonden of gekreukte originelen de flatbed boven de documentinvoer. Stempels, handtekeningen en watermerken die over de tabel vallen, verdienen aandacht: cellen onder een inktstempel hebben de grootste kans op een handmatige correctie.

Behandel de export als een concept bij gevoelige gegevens. Een snelle controleroutine — eerst de kolomtotalen nalopen, dan de datumkolom scannen op onmogelijke waarden — vangt de grote meerderheid van de OCR-fouten af in een fractie van de tijd van volledig herlezen.

Scans naar Excel omzetten is een probleem in twee stappen: OCR leest de tekens, daarna bouwt tabeldetectie de rijen en kolommen eromheen opnieuw op. De scankwaliteit voedt beide stappen, en daarom bespaart een paar minuten extra bij de scanner meestal meer controletijd dan welke opschoontruc achteraf ook.