PDF in Excel

PDF in Excel: Anleitung

PDF in Excel: die wichtigsten Funktionen

PDF in Excel im Überblick

PDF in Excel liest den Text jeder Seite mit pdf.js, gruppiert ihn anhand der Grundlinie zu Zeilen und teilt jede Zeile dort in Zellen, wo die Lücke zwischen zwei Textabschnitten breiter als etwa neun Zehntel der Schriftgröße ist. Die Startpositionen aller Zellen einer Seite werden zu Spaltenpositionen gruppiert, und jede Zelle wird ihrer nächstgelegenen Spalte zugeordnet. Ein Wert, der einer reinen Zahl entspricht, etwa 1,234.50 oder -7, wird als numerische Zelle geschrieben, alles andere als Text. In einer mehrseitigen Datei steht vor den Zeilen jeder Seite eine Page N-Zeile.

Nützlich, um eine Preisliste, einen Kontoauszug oder eine Ergebnistabelle aus einem PDF in ein Tabellenblatt zu bekommen, das Sie sortieren und summieren können. PDF hat keine lesbare Tabellenstruktur, die Spalten werden also abgeleitet: Umgebrochene Beschreibungen, zusammengeführte Überschriften oder rechtsbündige Zahlen unterschiedlicher Länge können in einer Nachbarspalte landen. Es entstehen keine Formatierung, Rahmen oder Zellfarben. Ein gescannter Auszug hat keine Textebene und muss zuerst durch OCR PDF laufen.

PDF in Excel: typische Anwendungsfälle

Der Packzettel oder die Auftragsbestätigung eines Lieferanten kommt als PDF an, und Sie müssen sie mit Ihrer eigenen Bestellung abgleichen. Wandeln Sie sie um und verwenden Sie dann in Excel eine Suchfunktion auf der Spalte mit der Teilenummer, um Zeilen zuzuordnen. Als reine Zahlen geschriebene Mengen und Preise kommen als numerische Zellen an, sodass sich Summen mit einer Formel prüfen lassen.

Ein System, das nur nach PDF drucken kann, etwa ein Kassenbericht, eine Lohnübersicht oder ein Buchungsexport, erzeugt eine Tabelle, die Sie darstellen oder filtern möchten. Wandeln Sie das PDF um, löschen Sie die Page N-Zeilen, die die Seiten trennen, und die verbleibenden Zeilen lassen sich sortieren und filtern wie jedes andere Blatt.

Laborergebnisse, Stundenpläne und Ranglisten mit festen Spalten werden sauber umgewandelt, wenn jede Zeile in jeder Spalte einen Wert hat und die Spalten durchgehend an derselben Position beginnen. Ist das PDF ein Scan einer solchen Tabelle, lassen Sie zuerst OCR PDF laufen, damit eine lesbare Textebene entsteht.

Fließtext-Dokumente sind die falsche Eingabe: Jede Zeile wird zu einer Zeile in der Tabelle, und breite Lücken in Blocksatz können einen Satz in Zellen aufteilen. Verwenden Sie für Text PDF in Word. Zahlen mit Währungszeichen, Prozentzeichen oder Klammern bleiben Textzellen, entfernen Sie diese Zeichen also vor dem Summieren mit Suchen und Ersetzen in Excel.

Tipps und Fehlerbehebung

• „Die Umwandlung in Excel ist fehlgeschlagen: No password given“ bedeutet, dass die Datei zum Öffnen ein Passwort braucht. Entfernen Sie den Schutz zuerst.
• „Die Umwandlung in Excel ist fehlgeschlagen: Invalid PDF structure“ bedeutet, dass die abgelegte Datei kein PDF ist, das Ablagefeld wendet den .pdf-Filter des Dateidialogs nicht an.
• Eine Zelle wird nur dann als Zahl gespeichert, wenn sie aus einem optionalen Minus, Ziffern mit optionalen Komma-Tausendertrennzeichen und einem optionalen Dezimalpunkt besteht, etwa 1,234.50 oder -7. Werte wie 12%, 1.234,50, (500) oder 2024-05-01 werden als Text gespeichert.
• Zahlenähnliche Codes verlieren ihre führenden Nullen: 00123 wird zur Zahl 123. Enthält eine Spalte Kontonummern oder Postleitzahlen, formatieren Sie sie in Excel als Text und setzen Sie die Nullen wieder ein.
• Text, dessen Anfang höchstens 12 Punkte vom vorherigen Anfang entfernt liegt, wird derselben Spalte zugeordnet, sodass enger gesetzte Spalten zu einer werden und mehrere dicht beieinanderliegende Anfänge sich zu einer einzigen Spalte verketten können. Rutschen zwei Zellen einer Zeile in dieselbe Spalte, wandert die zweite in die nächste freie Spalte, statt die erste zu überschreiben, und eine spätere Zelle dieser Zeile rückt nur dann weiter, wenn ihre eigene Spalte jetzt belegt ist.
• Alle Seiten landen auf einem Blatt namens Sheet1, bei einer mehrseitigen Datei mit einer Page N-Zeile vor den Zeilen jeder Seite. Die Spaltenbreiten entsprechen den Excel-Standardwerten, verbreitern Sie sie also nach dem Öffnen.
• Die Ergebniskarte hat keine Schaltfläche Vorschau anzeigen, eine .xlsx kann auf der Seite nicht in der Vorschau angezeigt werden. Die Datei erhält den Namen des PDFs mit der Endung .xlsx.
• Ein gescannter Kontoauszug braucht eine Textebene, bevor seine Zahlen in eine Tabelle gelangen können. Ein gescanntes PDF durchsuchbar machen beginnt mit einer schnellen Prüfung und behandelt, was die Erkennungsgenauigkeit beeinflusst, die bei Zahlen am meisten zählt.

PDF in Excel: So funktioniert es in Ihrem Browser

pdf.js parst die Datei in einem von cdnjs.cloudflare.com geladenen Worker und liefert für jede Seite die Textabschnitte mit ihren x- und y-Positionen, Breiten und Schriftgrößen. Das Skript fasst Abschnitte anhand der Grundlinie zu Zeilen zusammen und schneidet eine Zeile dort in Zellen, wo die Lücke zwischen zwei Abschnitten neun Zehntel der Schriftgröße übersteigt, kleinere Lücken werden zu einem Leerzeichen. Die Startpositionen der Zellen werden dann mit einer Toleranz von 12 Punkten zu Spalten gruppiert, und jede Zelle geht in ihre nächstgelegene Spalte.

JSZip setzt dann von Hand ein SpreadsheetML-Paket zusammen: xl/workbook.xml mit einem Blatt, xl/styles.xml mit einer einzigen Schrift Calibri 11, und xl/worksheets/sheet1.xml, in dem jede Zeile ein row-Element ist und jede Zelle entweder ein numerischer v-Wert oder eine Inline-Zeichenkette ist. generateAsync liefert die .xlsx als Blob mit dem Excel-MIME-Typ zurück, und Datei herunterladen speichert sie über eine temporäre Objekt-URL. Das PDF und die Zeilen existieren nur im Tab, es wird nichts hochgeladen.

Häufig gestellte Fragen