Cách tách bảng số liệu trong PDF ra file Excel để tính toán

Báo cáo tài chính, bảng lương, danh sách hàng hoá hay sao kê ngân hàng thường được gửi dưới dạng PDF. Nhìn thì gọn đẹp, nhưng khi cần cộng một cột, lọc vài dòng hay vẽ biểu đồ, bạn lại kẹt: PDF không tính toán được. Gõ lại cả bảng vào Excel vừa mất hàng giờ vừa dễ sai một con số. Bài này chỉ cách tách thẳng bảng trong PDF ra file Excel giữ đúng hàng cột, tính toán được ngay — kể cả khi PDF là bản scan.

Vì sao đừng gõ lại bảng bằng tay

Nhập lại một bảng vài trăm dòng không chỉ tốn thời gian mà còn nhiều rủi ro: chỉ cần lạc mắt một dòng, gõ nhầm dấu phẩy thành dấu chấm, hay bỏ sót một số 0 là cả bảng tính sai mà rất khó lần ra lỗi. Với số liệu kế toán, tài chính, một sai sót nhỏ có thể kéo theo hậu quả lớn. Tách tự động vừa nhanh hơn nhiều lần, vừa giữ nguyên từng con số đúng như bản gốc; bạn chỉ cần soát lại thay vì gõ lại từ đầu.

PDF chữ thường và PDF scan khác nhau ra sao

Trước khi tách, cần biết file của bạn thuộc loại nào, vì cách xử lý khác hẳn. Mở file lên rồi thử bôi đen một ô trong bảng: nếu chọn được từng chữ, từng số thì đó là PDF chữ thường — xuất trực tiếp từ Excel hay phần mềm kế toán, dữ liệu đã nằm sẵn trong file nên tách ra sạch nhất. Nếu con trỏ quét cả vùng như quét trên một tấm ảnh, không chọn được chữ nào, thì đó là PDF scan — bên trong chỉ là ảnh chụp trang giấy, phải nhận dạng chữ bằng OCR mới lấy được số liệu ra.

Tách bảng từ PDF chữ thường sang Excel

Với PDF chữ thường, dùng công cụ PDF sang Excel: nạp file vào, công cụ dò cấu trúc hàng cột của bảng rồi đưa từng ô vào đúng ô tính trong file .xlsx. Nhờ giữ được lưới hàng cột, bạn mở ra là cộng, trừ, lọc, sắp xếp hay vẽ biểu đồ được ngay, không phải căn chỉnh lại. Với báo cáo nhiều trang, các bảng cùng dạng thường được nối tiếp cho gọn thành một sheet.

Khi PDF là bản scan: nhận dạng chữ trước

Với PDF scan hoặc ảnh chụp một bảng, máy chỉ thấy ảnh nên không có sẵn ô nào để tách. Lúc này dùng công cụ Nhận dạng chữ (OCR) để đọc nội dung trong ảnh thành văn bản trước: chọn ngôn ngữ tiếng Việt, lấy phần chữ và số trả về, rồi dán vào Excel và chia lại thành cột theo dấu phân tách. Bảng scan chụp càng thẳng và nét thì các số càng vào đúng hàng, đỡ công dọn về sau.

Dọn lại bảng cho sạch sau khi tách

Dù tách tự động, bảng ra đôi khi vẫn cần chỉnh vài chỗ trước khi dùng. Những điểm nên rà lại:

• Cột số bị nhận thành chữ (định dạng “văn bản”) thì Excel không cộng được — chọn cả cột rồi đổi về định dạng số.
• Dấu phân cách nghìn và dấu thập phân: bản gốc dùng dấu chấm hay dấu phẩy, kiểm cho khớp thiết lập máy bạn kẻo số bị hiểu sai.
• Ô gộp (merge) trong bảng gốc có thể làm lệch vài dòng, cần tách ra hoặc điền lại cho thẳng hàng.
• Dòng tiêu đề và dòng tổng cộng đôi khi bị đẩy lẫn vào vùng dữ liệu, kéo lại cho đúng chỗ.
• Ô trống: kiểm xem là thật sự trống hay do một số bị bỏ sót khi nhận dạng.

Cả việc tách bảng lẫn nhận dạng chữ đều chạy ngay trong trình duyệt trên máy bạn — file báo cáo, bảng lương hay sao kê không bị tải lên máy chủ nào, nên số liệu nhạy cảm vẫn nằm trong máy. Kết quả tách để bạn dùng nhanh; với số liệu quan trọng, hãy đối chiếu lại tổng cộng của vài cột với bản PDF gốc trước khi gửi đi.