PDF转成表格后,先别急着求和

同事发来一张PDF报价单，只有两行项目。你把里面的文字复制出来，数字一个不少，却发现数量、单价和金额挤成了一列。想算个合计，还得回原页重新认。

容易误会的地方就在这里：拿到了文字，不一定拿到了行和列。先别急着给每个数字套上表头，看看它在原页上到底属于哪一行。

pypdf的官方文档解释，PDF里的表格往往是按位置摆放的文字，抽取程序还需要判断它们之间的关系。文件能显示得整齐，并不保证普通文本抽取也按你看的顺序输出。

这次做了一张虚构报价单：桌牌2个，单价120元，金额240元；资料袋10个，单价8.50元，金额85元。两项合计325元。它不对应任何真实供应商，也不是采购建议。

为了把问题看清楚，生成文件时特意按列写入文字，页面上仍然排成正常表格。随后用本地pypdf的普通文本抽取读取，数字顺序先是2、10，再是120.00、8.50，最后才是240.00、85.00、325.00。

这说明本例抽出的数字没有按行排好。如果直接每三个数字凑一行，第一行就会变成2、10、120.00，已经不是原来的那笔项目。

这不是所有PDF都会出错的证据，也不评价任何商业转换软件。布局还原、表格识别或人工核对可以采用不同办法；这个实验只提醒你，抽出文字以后还多了一道确认结构的工序。

写法示意，不对应实际公司或项目。

先把原PDF放在旁边，选一行核对完整关系：项目名、数量、单价、金额是否仍在同一行。不要只看表头有没有回来，也不要因为列宽很整齐就直接求和。

再看合计有没有混进明细。这里两行金额是240和85，325是合计。如果把合计也当成第三条明细，再加一次，得到650，数字看起来仍然很像那么回事。

最后检查单位和备注。单价是元还是万元，数量是件还是箱，有没有“不含税”“另计运费”之类的说明？本例没有这些费用条款，不应自行添加；真实文件里有，就不能在转表时丢掉。

拿不准的格子先标待核对。若手里有原始电子表格，优先向提供方索取。少一次格式转换，通常也少一处需要追溯的中间结果。

写法示意，不对应实际公司或项目。

打开试用页之后，别只上传一份没有合并单元格的简单文件。可以先用一份不含敏感信息的小样，确认行列、合计和备注，再换成与你实际工作相近的版式。

试用完成的标准应当包含导出：文件能否打开，金额能否继续计算，项目名称和数量是否还对应。遇到扫描件，还要检查识别出来的字和数字，不能把能选中当成已经识别准确。

这次保留了生成脚本、原PDF、原始抽取文本和核对后的参照文件。你不用学写脚本，也可以沿用同一个检查顺序：先看结构，再看数字，最后才开始汇总。

本地自建报价单的实际PDF页渲染。

参考：pypdf官方文档，Extract Text from a PDF。查阅日期：2026年11月3日。查看原文