Konvertera tabeller från skannade PDF-filer till Excel.

I praktiken

Få pålitliga siffror ur pappersarkiv

Skannade PDF-filer är oftast dokumenten som ingen längre har digitalt: undertecknade avtal med pristabeller, arkiverade följesedlar, äldre årsbokslut, faxade orderbekräftelser och decennier av arkiverat pappersarbete. OCR är det som gör dem användbara, och skanningskvaliteten sätter ett hårt tak för extraktionskvaliteten — programvara kan kompensera för visst brus, men inte för information som aldrig fångades.

Styr du skannern själv är 300 DPI i gråskala eller svartvitt bäst för tryckta tabeller; under 200 DPI börjar små siffror tappa strecken som skiljer dem åt. Lägg sidan plant och rakt mot glaset, och föredra flatbädden framför arkmataren för inbundna eller skrynkliga original. Stämplar, signaturer och vattenstämplar som överlappar tabellen är värda att notera: celler under en bläckstämpel är de som mest sannolikt behöver en manuell rättelse.

Behandla exporten som ett utkast för känslig data. En snabb verifieringsrutin — kontrollera kolumnsummorna, skanna sedan datumkolumnen efter omöjliga värden — fångar de allra flesta OCR-missarna på en bråkdel av tiden för en fullständig omläsning.

Att göra skanning till Excel är ett tvåstegsproblem: OCR läser tecknen, sedan bygger tabelldetekteringen upp raderna och kolumnerna runt dem. Skanningskvaliteten påverkar båda stegen, och därför sparar några minuter extra vid skannern oftast mer granskningstid än något städtrick i efterhand.