PDF表格转Excel:免费离线实跑

先说结论：能用，而且马上能用。 清晰的表格截图加 RapidOCR，本机约 0.6～1 秒出 Excel，7×6 中文几乎全对；文字型 PDF 报销单大约 0.5～1.1 秒，数据行正确，但表头常被揉成一格，要手修一行。全程离线、不上传。

适合：行政、运营、财务把 PDF/截图表格扒进 Excel 的人。别指望：糊成一团的拍屏、无线框「假表格」、以及表头 100% 免改。

项目是 GitHub 上的 img2table（MIT，约 900 星），我在 Linux 上从安装到导出完整跑了一遍。文末给可复制脚本。

一、为什么测 PDF/截图转 Excel

搜「PDF 转 Excel」「截图表格」，首页多半是要你上传的网站。报销单、价目表、后台数据截图，丢上去就等于把公司数字交给别人。

之前测过 Filee、PdfCraft，擅长转格式和打码，但不专攻「把表格结构抠进 Excel」。今天专测 img2table：输入 PDF 或图片，输出 .xlsx。

• 机器：8 核 Intel Xeon（vCPU），16 GB 内存，无显卡，Debian 13，Python 3.13.5。
• 软件：img2table 2.0.0 + RapidOCR 3.10.0 + onnxruntime 1.31.1；OpenCV 必须钉 4.14.0.94（见下文踩坑）。
• 素材：自制 3 页中文 PDF（费用报销 / AI 工具月费 / 商品 SKU）+ 一张清晰「周数据」截图风表 + 一张模糊扫描风图。不是真实财务数据。
• 测试日期 2026-11-04。数字都是这台机器跑出来的。

这段转给：总把报销单、价目表拖到在线「PDF 转 Excel」网站的同事。

二、安装：要钉死 OpenCV 版本

安装：img2table 2.0.0 + RapidOCR；OpenCV 钉 4.14.0.94

python3 -m venv .venv && source .venv/bin/activatepip install 'img2table==2.0.0' 'img2table[rapidocr]' openpyxl# 关键：默认会装到 OpenCV 5.x，调用 niBlackThreshold 直接报错pip install 'opencv-contrib-python==4.14.0.94' \            'opencv-python-headless==4.14.0.94'

图片和扫描件必须开 OCR；文字型 PDF 开 pdf_text_extraction=True 时可以不开 OCR，更快更省内存。

三、实测：截图最好，PDF 数据行也稳

清晰截图 + RapidOCR：约 0.6～1.0 秒；文字 PDF 约 0.5～1.1 秒

五种场景本机实测（耗时 / 内存 / 结果）

自制清晰截图：7 行 × 6 列「周数据」表

左：原截图；右：导出的 Excel 预览——结构对齐，中文可读

截图这条是我认为最适合转给普通人的：结构 7×6，无错误合并；唯一细差是「离线 TTS」变成「离线TTS」（空格丢了）。

自制 PDF 第 1 页：费用报销表（文字型，可复制选中）

PDF 导出后：数据行全对；表头被合并成 A1:F1 一格

文字 PDF：8 行费用、6 行工具、6 行 SKU 的数据行中文和数字全部正确；三页变成三个 sheet。问题集中在表头——常被揉进 A1，用换行挤在一起，从第 2 行起列对齐正常。修起来就是拆一行表头。

这段转给：每周要从 PDF 价目表、后台截图往 Excel 抄数的运营和行政。

四、卡住我的地方

不加 OCR → 空壳；模糊图 → 0 张表；OpenCV 5 → 直接崩溃

1. OpenCV 5 会直接炸。 报错是 ximgproc 没有 niBlackThreshold。装完务必把 opencv-contrib-python 和 opencv-python-headless 都钉到 4.14.0.94。

2. 图片不加 OCR = 空表。 能检出 7×6 线框，但单元格全是空的。截图、扫描件请加 --ocr。

反例：同一张截图不加 OCR，导出全是空单元格

3. 糊图不是「错几个字」，是「一张都检不出」。 我把清晰表缩到 1/3 再放大并加模糊，模拟拍屏——0 张表。先想办法拍清楚，再跑提取。

模糊扫描风样例：本机检出 0 张表

4. PDF 表头要手修。 数据区可用，表头合并几乎必现。当扫描件强制走 OCR 时，表头词序还可能打乱，但数据行仍对。

5. 环境体积不小。 本机 venv 大约 789 MB（onnxruntime + OpenCV + RapidOCR 模型）。办公本第一次装要有点耐心。

五、一行命令脚本

把下面存成 extract_table.py（仓库 demo 里也有同款）：

#!/usr/bin/env python3"""PDF/图片表格 → Excel（离线）用法:  python extract_table.py 费用.pdf out.xlsx  python extract_table.py 截图.png out.xlsx --ocr"""import argparsefrom pathlib import Pathdef main():    ap = argparse.ArgumentParser()    ap.add_argument("src")    ap.add_argument("dest")    ap.add_argument("--ocr", action="store_true")    ap.add_argument("--no-pdf-text", action="store_true")    args = ap.parse_args()    src = Path(args.src)    ocr = None    if args.ocr:        from img2table.ocr import RapidOCR        ocr = RapidOCR()    if src.suffix.lower() == ".pdf":        from img2table.document import PDF        doc = PDF(src=str(src), pdf_text_extraction=not args.no_pdf_text)    else:        from img2table.document import Image        doc = Image(src=str(src))        if ocr is None:            print("提示: 图片通常需要 --ocr")    doc.to_xlsx(dest=args.dest, ocr=ocr)    print(f"已写出 {args.dest}")if __name__ == "__main__":    main()

# 文字 PDF（通常不用 --ocr）python extract_table.py 报销单.pdf out.xlsx# 截图 / 扫描件python extract_table.py 表格截图.png out.xlsx --ocr

六、谁适合用

适合 vs 不适合（本机结论）

• 适合
  ：文字型 PDF 报销单、价目表、SKU；微信/网页清晰有线框表格截图；不想上传在线转换站的隐私文件；只有 CPU 的办公电脑。
• 不适合
  ：严重模糊/倾斜拍屏；无线框「假表格」；指望表头免手修；没钉 OpenCV 4.14 的环境。

一句话：截图清晰时几乎开箱即用；PDF 把数据行救出来，表头留一行手工。 比把公司表格丢给网站安心。

你平时卡在「PDF 转不出表」还是「只有一张截图」？留言说说，下次接着实跑。觉得有用，转给总在群里问「这个表怎么进 Excel」的那位。

AI 辅助创作：本文由 AI 辅助撰写。所有命令于 2026-11-04 在 8 核 Xeon、16GB、无显卡的 Debian 13 上用 img2table 2.0.0 + RapidOCR 3.10.0 实际运行；截图与 xlsx 为真实输出。演示 PDF/截图为自制样例，非真实财务或后台数据。星标数约为测试当日查询值。项目地址：github.com/xavctn/img2table