ARTICLE · 1273756
银行流水PDF表格转Excel
把 PDF 里的表格搬进 Excel，我踩了四个坑
公众号推文 · 约 1800 字 · 工具类 / 职场效率
朋友处理一份 87 页的招标文件，里面塞了三十多张表格。
他想把这些表导进 Excel 做横向比价。
从我坐下到把文件发给他，一共 6 分钟。
他盯着屏幕看了半天，问："你怎么弄的？我昨天搞了一整天。"
其实没什么玄机，只是我踩过的坑比他多几个。今天把四个坑都倒出来，顺便说说最后做成了什么。
坑一：Ctrl+C 再 Ctrl+V，表格必散架
这是所有人的第一反应，也是最快崩掉的一步。
原因有点反直觉：PDF 里根本没有"表格"这个东西。
你在屏幕上看到的那一圈圈线条，和里面的文字，在文件里是两套互不相干的东西。线条只是画出来的图形，文字只是散落在坐标上的字符。至于谁是表头、谁属于哪一行、哪一格是合并的——PDF 一概不知道，也不负责。
所以你按复制，得到的是"按绘制顺序排下来的一堆文字"，不是"按阅读顺序排下来的表格"。
粘进 Excel 之后，你会看到身份证号跑到了月份列，金额孤零零地挂在最后一行，有的格子还会被拆成两行。
三十张表，光手动重排就得一晚上。
坑二：图片和扫描件，连文字都没有
比散架更绝望的是——什么都没有。
很多正式的 PDF 是扫描件，甚至是手机拍的。这类文件里没有一个文字层，整页只是一张图。
你全选、复制，出来是空白。
OCR 是唯一出路，但这里还有个细节：普通 OCR 只会把图片变成"一行行从左到右的文字"，表格的结构照样丢。要保住单元格，OCR 得能识别出格线、判断每块文字落在哪个格子里。
这一步，能做到的工具其实不多。
坑三：数字全变成 1.23E+15，而且是真的丢了
这个坑最隐蔽，也最气人。
Excel 有一个老底子设定：数字最多认 15 位有效数字。
听起来够用，但我们天天打交道的数字，偏偏都超了：
身份证号，18 位 银行卡号，19 位 统一社会信用代码，18 位 订单号、快递单号，经常 20 位起步 手机号，看着 11 位没事，但带前导 0 的一粘贴，0 直接被吃掉
超了会怎样？
110101199001011234 丢进 Excel，显示成 1.10101E+17。
更糟的是：这不是显示问题。
你双击那个格子进去看，会发现它已经变成 110101199001011000——后三位被永久抹成了 0。再怎么调格式也回不来了，原始数据在写入那一刻就没了。
唯一的解法，是让这些格子从一开始就不要被当成"数字"：先把单元格设成文本格式（Excel 里叫@），再把内容写进去。
道理简单，但很多导出工具根本不管这件事。因为它们内部就是按"数值"写进 Excel 的，图省事，也图你后面能算加减乘除。
问题是——身份证号需要做加法吗？
坑四：合并单元格，一转就错位
表格里只要出现合并单元格，事情就开始不讲道理。
一份报价单，"供应商"这一栏纵向合并了五行，"合计"横跨三列。这在纸上很清爽，可一旦要变成数据结构就麻烦了：那五个格子其实只有一个值，那三列其实只有一笔钱。
处理得糙的工具会怎么干？
要么把合并区域拆成五个格子，只有第一行有值，下面四行空着。你筛一下、排个序，数据立刻错位——"张三公司"只跟第一行绑着，后面几行全成了孤儿。
要么把值重复写进五个格子，看着齐整，可你一张透视表拉出来，金额被算了五遍。
一个真正能用的工具，得先把合并区域"摊平"成规整的网格：值落在该落的格子里，行列数对齐，一行不多一列不少。
这一步做不好，后面全是白搭。
后来我干脆自己做了一个
这四个坑，每一个都有现成的工具能解决其中一两个。
但我找了很久，没见过一个能同时解决四件的：认得出扫描件的格线，摊得开合并单元格，还愿意在导出时老老实实把每个格子设成文本。
于是有了现在这个东西：一个 Python 程序，双击就打开，左边是文件列表，右边是表格预览。
它干的事很朴素：
把 PDF 或图片加进来，填一次 Token（mineru.net 免费注册就能拿，不用付费） 点开始，走 MinerU 的精准解析，vlm 模型，表格结构识别最准的那一档 解析完先给你看，任何一个格子都能双击直接改——识别歪了当场修 确认没问题，再导出 Excel
所有能力里，我最在意的是导出那一步。
每个格子都按文本格式写进去，格式码锁死 @。
18 位身份证、20 位订单号、带前导 0 的手机号，导出来什么样，Excel 里就是什么样，一个字符都不会跑。
代价是这些格子不能直接参与计算——真要算，另起一列写 =VALUE(A2)。我认为这个取舍很值：数据保全比算得快重要得多。
几个实话
工具不是万能的，这几点得先说清：
靠 MinerU 的额度跑。免费额度有限，量大要考虑付费方案 复杂表格还是要人看一眼。跨页断开的表、一格塞了三行内容的表，机器也会有判断失误的时候——所以才有那个"双击修改"
