スキャンされたPDFでも、ExcelにPDF変換

PDFの表が汎用AIアシスタントを悩ませる理由

PDFは表を表として保存していません。保存されているのは、ページ上の位置に置かれた文字だけで、行や列は目で見たときにしか存在しないのです。スキャンされたPDFには文字すらなく、ページの画像があるだけです。表の枠組みを再現するには、すべての数値について、どの行のどの列に属するかを判断しなければなりません。

短くて整った表なら、AIチャットアシスタントでも対応できます。しかし横に広い表では、空白のセルや結合セルがあると、その後ろの値がすべて1列右にずれてしまうことがあり、それでも結果は整った表に見えます。長いドキュメントでは、数百行を1回の返信で再現しなければならないため、出力が短くなったり途中で止まったりしがちです。しかも返ってくるのはチャット画面に描かれた表であることが多く、スプレッドシートには自分でコピーする必要があります。

このツールは各ページを個別に読み取り、構造化されたデータを返します。列の一覧と、各行につき列ごとにちょうど1セル、空白のセルは空白のままです。値は解釈せずにコピーすること、読み取れない値には [illegible] と書くことを指示しています。結果がページ画像の横に表示されるので、エクスポートの前に列のずれを簡単に見つけられます。

よく変換されているもの

• 数値が何ページも続く財務報告書や決算書
• 仕入先の価格表、カタログ、商品シート
• 明細行のある請求書や発注書
• 紙にしかない、スキャンまたは印刷された表
• データ表を含む研究論文や官公庁の報告書
• 時刻表、シフト表、在庫リスト

値と表がスプレッドシートに届くしくみ

値は印刷されたとおりにコピーされます。1204.5 のような単純な数値は、合計できる数値として届きます。$1,204.50 のように通貨記号や桁区切りが付いた値は、そのままの形で保持され、テキストとして届くため、知らないうちに変更されることはありません。それらのセルで計算したい場合は、内容を確認したうえで、スプレッドシート上で変換してください。

表は別々に保持されます。XLSXファイルでは、表ごとに専用のシートが作られ、表のタイトルまたはページに基づいた名前が付きます。複数ページにまたがる表は、ページごとに1つの表として、ページ順に返され、自動では結合されません。CSVファイルでは、すべての表が1つのファイルに順番に並びます。表がなくても、ラベルと値のペアや項目別リストなど、明らかに表形式の内容があるページは、表として返されます。

きれいな結果を得るコツと、限界について

デジタルPDFと鮮明なスキャンが最もきれいに読み取れます。写真の場合は、ページを平らに置き、真上から撮影し、表がフレームいっぱいに収まるようにしてください。大きなページに小さな文字が並んでいる場合は、分割したほうがよく読み取れます。パスワード付きPDFは開けないため、先にパスワードを解除してください。

このツールはデータを抽出するためのものです。フォント、色、罫線、数式、グラフは引き継がれず、グラフを数値に変換することもできません。完璧な読み取りはありませんので、合計や主要な数値は、表の横に表示されるページと照らし合わせて確認し、[illegible] と表示されたセルもご確認ください。銀行やクレジットカードの明細書には、代わりに銀行明細書コンバーターをご利用ください。すべての取引が、決まった列の1つの表にまとまって出力されます。