महीने का आख़िर है और आपको जानना है कि खाने, पेट्रोल और सब्सक्रिप्शन पर असल में कितना ख़र्च हुआ। आपका बैंक ख़ुशी-ख़ुशी PDF स्टेटमेंट दे देगा, साफ़-सुथरी पंक्तियों वाले बारह पेज, लेकिन स्प्रेडशीट नहीं देगा। तो आप हाथ से पंक्तियाँ कॉपी करना शुरू करते हैं, या पूरा कुछ Excel में पेस्ट करते हैं और देखते हैं कि हर लेन-देन एक ही कॉलम में आ गया, तारीख़, विवरण और रक़म सब आपस में चिपके हुए।
PDF से टेबल निकालकर Excel में लाना दफ़्तर के सबसे आम कामों में से एक है, और हाथ से करने में सबसे उबाऊ भी। यह गाइड बताती है कि PDF से Excel एक्सट्रैक्शन कैसे काम करता है, कौन सी PDF साफ़ बदलती हैं, और नतीजे को ऐसी स्प्रेडशीट में कैसे बदलें जिससे सच में हिसाब लगाया जा सके।
कॉपी-पेस्ट काम क्यों नहीं करता
PDF की टेबल असल में टेबल नहीं होती। यह पेज पर सटीक जगहों पर रखा टेक्स्ट है, जिसके चारों ओर आपकी आँखों के लिए लाइनें खींची गई हैं। जब आप इसे कॉपी करते हैं, तो ज़्यादातर PDF रीडर टेक्स्ट को पढ़ने के क्रम में, एक बार में एक लाइन देते हैं, बिना यह जाने कि कौन सा टुकड़ा किस कॉलम का है। उसे Excel में पेस्ट करें और सब कुछ कॉलम A में आ जाता है।
एक सही एक्सट्रैक्शन टूल इसका उलटा करता है: वह देखता है कि टेक्स्ट का हर टुकड़ा पेज पर कहाँ है, पंक्तियाँ और कॉलम ढूँढता है, और ग्रिड फिर से बनाता है, ताकि हर वैल्यू अपनी अलग सेल में जाए।
PDF को Excel में कैसे बदलें
- जाँचें कि PDF में असली टेक्स्ट है। माउस से एक संख्या चुनकर देखें। अगर चुनी जाती है, तो फ़ाइल बदल जाएगी। अगर पूरा पेज एक तस्वीर की तरह चुना जाता है, तो वह स्कैन है; पहले उसे OCR PDF से चलाएँ।
- कोई भी पासवर्ड हटाएँ। बैंक और कार्ड स्टेटमेंट अक्सर सुरक्षित आते हैं। अपने बैंक के दिए पासवर्ड के साथ Unlock PDF इस्तेमाल करें; PDF से पासवर्ड हटाने पर हमारी गाइड आम फ़ॉर्मेट समझाती है।
- PDF to Excel खोलें और फ़ाइल चुनें (100 MB तक)।
- .xlsx वर्कबुक डाउनलोड करें और उसे Excel, Google Sheets, Numbers या LibreOffice Calc में खोलें।
फ़ाइल HTTPS से भेजी जाती है और वर्कबुक लौटाते ही सर्वर से डिलीट कर दी जाती है।
वर्कबुक में क्या मिलता है
एक्सट्रैक्शन हमारे सर्वर पर pdfplumber से चलता है, जो एक ओपन-सोर्स लाइब्रेरी है और टेबल के ग्रिड पहचानकर हर सेल का टेक्स्ट पढ़ती है। नतीजा एक तय तरीक़े से व्यवस्थित होता है:
| PDF में | Excel फ़ाइल में |
|---|---|
| हर पहचानी गई टेबल | उसकी अपनी शीट, जिसका नाम Table_1, Table_2 वग़ैरह होता है |
| हर टेबल की पहली पंक्ति | कॉलम हेडिंग के रूप में इस्तेमाल होती है |
| कोई पहचानी जा सकने वाली टेबल नहीं | टेक्स्ट वाली एक शीट, हर पंक्ति में एक लाइन, बगल में पेज नंबर |
| रंग, फ़ॉन्ट और सेल की शेडिंग | साथ नहीं आते; आपको सिर्फ़ डेटा मिलता है |
वह आख़िरी विकल्प जितना लगता है उससे ज़्यादा काम का है। जब PDF में लाइनों वाली टेबल न भी हों, तब भी टेक्स्ट की हर लाइन पेज नंबर के साथ पंक्तियों में मिल जाने का मतलब है कि आप उसे दोबारा टाइप करने के बजाय Excel में फ़िल्टर, खोज और बाँट सकते हैं।
कौन सी PDF सबसे अच्छी बदलती हैं
सबसे अच्छे नतीजे उन PDF से मिलते हैं जो सॉफ़्टवेयर से बनी हैं और जिनकी टेबल का ढाँचा साफ़ है:
- ऑनलाइन बैंकिंग से डाउनलोड किए गए बैंक और कार्ड स्टेटमेंट
- अकाउंटिंग या शॉप सॉफ़्टवेयर से बने इनवॉइस और परचेज़ ऑर्डर
- प्राइस लिस्ट, स्टॉक रिपोर्ट और टाइमटेबल
- वित्तीय रिपोर्ट और डेटा परिशिष्ट
टेबल पहचानना तब मुश्किल हो जाता है जब उनमें दिखने वाली लाइनें न हों, कॉलम के पार मर्ज की गई सेल हों, वे दोहराई गई हेडिंग के साथ कई पेजों में फैली हों, या इमेज के रूप में बनी हों। ये भी बदलती हैं, लेकिन कॉलम ठीक करने में थोड़ा समय लगने की उम्मीद रखें।
स्कैन की गई PDF ही एक ऐसा प्रकार है जिससे सीधे एक्सट्रैक्ट नहीं किया जा सकता, क्योंकि स्कैन पेज की एक तस्वीर है। पहले OCR PDF चलाने से पेज पर टेक्स्ट की परत आ जाती है। सबसे साफ़ पहचान के लिए सीधा, अच्छी रोशनी वाला और ठीक-ठाक रेज़ोल्यूशन का स्कैन इस्तेमाल करें।
स्प्रेडशीट साफ़ करना
एक्सट्रैक्शन डेटा को सेल में ले आता है। कुछ मिनट की साफ़-सफ़ाई उसे ऐसी चीज़ में बदल देती है जिससे हिसाब लगाया जा सके।
टेक्स्ट के रूप में सेव संख्याएँ। अगर रक़में अपनी सेल में बाईं ओर हैं, या SUM शून्य देता है, तो Excel उन्हें टेक्स्ट मान रहा है। कॉलम चुनें और Data, Text to Columns, फिर Finish इस्तेमाल करें, या VALUE फ़ंक्शन इस्तेमाल करें। मुद्रा के चिह्न और हज़ार के सेपरेटर कभी-कभी पहले Find and Replace से हटाने पड़ते हैं।
टेक्स्ट के रूप में तारीख़ें। स्टेटमेंट तारीख़ें कई तरह से लिखते हैं। Text to Columns से आप तारीख़ का फ़ॉर्मेट (DMY या MDY) चुन सकते हैं ताकि Excel उन्हें ठीक से पहचाने, जो तारीख़ के हिसाब से सॉर्ट करते समय ज़रूरी है।
शीटों में बँटी टेबल। हर पेज पर एक टेबल वाला स्टेटमेंट हर पेज की एक शीट बनाता है। उन्हें एक शीट में कॉपी करें और दोहराई गई हेडिंग वाली पंक्तियाँ हटा दें। अगर यह हर महीने करते हैं, तो Excel का Power Query शीटों को अपने-आप जोड़ सकता है।
क्रेडिट और डेबिट अलग कॉलम में। कई स्टेटमेंट आने वाला और जाने वाला पैसा अलग-अलग कॉलम में रखते हैं। =C2-D2 जैसा सरल फ़ॉर्मूला हर पंक्ति के लिए एक ही धन/ऋण रक़म देता है, जिसका जोड़ लगाना कहीं आसान है।
दो लाइनों में बँटे विवरण। लेन-देन के लंबे विवरण कभी-कभी दूसरी पंक्ति में चले जाते हैं। तारीख़ और रक़म के हिसाब से सॉर्ट करें, और बिना रक़म वाली भटकी विवरण पंक्तियाँ अलग दिख जाती हैं, मर्ज करने या हटाने के लिए तैयार।
स्टेटमेंट को बजट में बदलना
जब लेन-देन एक साफ़ शीट में आ जाएँ, तो काम का हिस्सा शुरू होता है:
- Category कॉलम जोड़ें और हर पंक्ति पर लेबल लगाएँ: किराना, किराया, पेट्रोल, सब्सक्रिप्शन।
- पंक्तियों में Category और वैल्यू में Amount के साथ PivotTable बनाएँ। सेकंडों में दिख जाता है कि पैसा कहाँ गया।
- किसी एक दुकान या सेवा का हर चार्ज ढूँढने के लिए विवरण से फ़िल्टर करें, भूले हुए सब्सक्रिप्शन ढूँढने का यह सबसे तेज़ तरीक़ा है।
- हर महीने का स्टेटमेंट एक्सट्रैक्ट करके और Month कॉलम जोड़कर महीनों की तुलना करें।
इसी काम में PDF-to-Excel सबसे ज़्यादा समय बचाता है। जो पहले पूरी शाम दोबारा टाइप करने का काम था, वह दस मिनट की छँटाई बन जाता है।
सिर्फ़ टेक्स्ट एडिट करना है? तो Word इस्तेमाल करें
अगर PDF में ज़्यादातर पैराग्राफ़ हैं और एक-दो टेबल, और आपको हिसाब लगाने के बजाय शब्द बदलने हैं, तो Word बेहतर मंज़िल है। PDF to Word टेक्स्ट, टेबल और इमेज को एडिट होने वाले डॉक्यूमेंट के रूप में फिर से बनाता है। फ़ॉर्मेटिंग खोए बिना PDF को Word में बदलने पर हमारी गाइड बताती है कि क्या उम्मीद रखें।
उलटी दिशा में
जब आपकी स्प्रेडशीट शेयर करने के लिए तैयार हो, तो उसे अक्सर PDF के रूप में भेजना सबसे अच्छा होता है ताकि लेआउट ग़लती से न बदले। Excel to PDF यह करता है; पहले प्रिंट एरिया सेट करें ताकि चौड़ी शीट पेजों में न बँटें। और अगर आपका डेटा PDF के बजाय CSV में आता है, तो CSV to Excel उसे सीधे बदल देता है, किसी एक्सट्रैक्शन की ज़रूरत नहीं।
वित्तीय डॉक्यूमेंट सुरक्षित तरीक़े से संभालना
स्टेटमेंट और इनवॉइस में आपका कुछ सबसे संवेदनशील डेटा होता है: अकाउंट नंबर, बैलेंस, पते और इसका रिकॉर्ड कि आप पैसा कहाँ ख़र्च करते हैं। कुछ आदतें उस डेटा को सुरक्षित रखती हैं:
- सिर्फ़ ज़रूरी चीज़ अपलोड करें। पहले Split PDF से ज़रूरी पेज निकालें, जो फ़ाइल अपलोड किए बिना आपके ब्राउज़र में काम करता है।
- जानें कि फ़ाइल कहाँ जाती है। PDF to Excel में फ़ाइल HTTPS से भेजी जाती है, बदली जाती है और वर्कबुक लौटाते ही सर्वर से डिलीट कर दी जाती है। कुछ भी रखा नहीं जाता।
- अगर स्प्रेडशीट शेयर करते हैं तो उसे सुरक्षित करें। लेन-देन की वर्कबुक उतनी ही संवेदनशील है जितना वह स्टेटमेंट जिससे वह बनी।
- मकान-मालिकों या एजेंसियों के साथ, जिन्हें सिर्फ़ कुछ एंट्री देखनी हैं, स्टेटमेंट शेयर करने से पहले रिडैक्ट करें। PDF को सही तरह से रिडैक्ट करने पर हमारी गाइड बताती है कि अकाउंट नंबर हमेशा के लिए कैसे हटाएँ।
अक्सर पूछे जाने वाले सवाल
Excel फ़ाइल में टेबल कैसे व्यवस्थित होती हैं?
टूल को मिली हर टेबल अपनी अलग शीट पर जाती है, जिसका नाम Table_1, Table_2 वग़ैरह होता है, और पहली पंक्ति हेडिंग के रूप में इस्तेमाल होती है।
अगर मेरी PDF में कोई टेबल न हो तो?
उसकी जगह टेक्स्ट एक्सपोर्ट होता है, हर पंक्ति में एक लाइन और बगल में पेज नंबर, ताकि आप फिर भी Excel में उस पर काम कर सकें।
क्या यह स्कैन किए गए स्टेटमेंट के साथ काम करता है?
सीधे नहीं। स्कैन में कोई टेक्स्ट नहीं होता। पहले OCR PDF इस्तेमाल करें, फिर नतीजे को बदलें।
मेरी संख्याओं का जोड़ क्यों नहीं आ रहा?
वे टेक्स्ट के रूप में इम्पोर्ट हुई हैं। उन्हें Text to Columns या VALUE फ़ंक्शन से बदलें।
क्या रंग और फ़ॉर्मेटिंग बने रहते हैं?
नहीं। टूल हर सेल का डेटा निकालता है; फ़ॉर्मेटिंग साथ नहीं आती।
क्या यह मुफ़्त है?
हाँ, बिना साइन-अप या वॉटरमार्क के।
PDF वह जगह है जहाँ आपकी संख्याएँ शुरू होती हैं, जहाँ उन्हें रहना चाहिए वह नहीं। जाँचें कि फ़ाइल में असली टेक्स्ट है, उसे PDF to Excel से एक्सट्रैक्ट करें, कुछ मिनट टेक्स्ट को संख्याओं में बदलने में लगाएँ, और स्प्रेडशीट उन सवालों के जवाब देने को तैयार है जिनके जवाब PDF कभी नहीं दे सकती थी।
