业务场景

日常接收的单据、订单PDF没有标准结构化表格，仅文字固定排版分布，包含订单号、联系人、人员、电话等关键信息；无法直接使用提取表格功能，人工复制摘抄效率低。可通过PAD提取全文文本，搭配文本拆分、截取动作提取关键字段，导出文本文件，后续还能结合Excel/Power Query做精细化数据整理。

一、两种无表格PDF数据提取方案

1. Extract Text提取全文法（本节课重点）
    适用：PDF页面文字位置、关键字（order number、trainer等）固定，排版有统一规律，文档复杂度较低；提取全文后拆分截取字段，可配合Power Query二次清洗数据。
2. OCR识别方案
    适用：扫描件图片类PDF；通过识别固定标识文字定位，再偏移抓取对应数值。

二、Extract Text完整实操流程

1. 循环遍历目标PDF文件，使用Extract text from PDF提取PDF全部文字内容；
2. 文本拆分处理：

• Split Text：按冒号、空格等分隔符把文本拆分为列表List；
• 文本截取动作（Crop Text）：提取指定标识前/后的内容，精准抓取订单号、手机号等目标数据；
• 通过列表下标[1][2][3][4]分别取出多条关键字段；

1. 文本输出：使用Write text to file将提取的多组字段拼接写入TXT文档；

• 支持追加写入（append）/覆盖（overwrite）；
• 编码选择UTF-8，避免中文乱码。

三、PAD文本处理工具局限

1. Split Text仅能简单按符号拆分，无法像Excel/Power Query灵活分层清洗；
2. 文本含连续空格、换行、特殊隐藏符号时，直接拆分容易错位，需要多次调整截取规则；
3. 不能直接分列写入表格，提取结果一般先输出TXT，再导入PQ做二次整理。

四、实操关键技巧

1. 空格拆分语法：%' '%，用百分号包裹单引号空格识别分隔符；
2. 利用固定关键字（customer、trainer、contact）作为截取边界，分离标签与对应数值；
3. 多份PDF循环执行，数据自动追加至同一个文本文件统一汇总；
4. 文本中多余换行、空格属于小瑕疵，可在Power Query批量清理。