表抽出チュートリアル
画像やスキャン PDF の表を Excel に抽出する方法
画像の表から確認可能なスプレッドシートの下書きを作り、構造と値を点検する画像付きワークフローです。
画像の表を Excel に変換を開く元ファイルに合うツールを選ぶ
スクリーンショット、スキャン画像、写真に表がある場合は「画像の表を Excel に変換」を使います。表が PDF 内にあり、特定ページだけを対象にする可能性がある場合は「PDF の表を Excel に変換」が適しています。文字を選択できる PDF でも内部の文字順と見た目の行列が異なることがあるため、結果のブックは確認が必要です。
この手順では、同じ簡単な表を PNG と画像だけの PDF にしました。見出し 1 行、データ 5 行、4 列で構成され、第1四半期の合計は 751、第2四半期は 787 です。抽出後の有効な確認点として使えます。
OCR が読みやすい元データを準備する
可能なら元の書き出しファイルやスキャンを使います。ページを正立させ、最小文字が読める解像度を保ち、無関係な文章や大きな余白を切り取ります。撮影時は紙を平らにし、反射、影、遠近のゆがみを避けます。
大半のセルに使われている言語を選びます。罫線のない表、結合セル、複数行セル、薄い線、手書き、通貨記号、複数言語は、位置から行列を推定する処理を難しくします。
- スクリーンショットを再撮影せず、鮮明な元データを使う。
- 見出しと表の境界が見える状態にする。
- 長い資料の前に、難しい代表ページを 1 枚試す。
- 試すためだけに機密データをアップロードしない。
画像の表を Excel に変換で PNG を処理する
ツールを開き、画像の設定例に従います。狭い画面では操作項目が縦に並びますが、順序と意味は変わりません。
日本語のサンプル PNG を選ぶ。
mvtools-table-sample.png を選択します。選択しただけでは処理は始まりません。
言語と画像前処理を合わせる。
日本語を選び、この例では画像前処理を有効にします。鮮明な画像で悪化する場合は、無効にした結果と比較してください。
先頭行が見出しか確認する。
作業項目、地域、第1四半期、第2四半期は列名なので有効にします。帳票タイトルや最初のデータ行なら無効にします。
一度だけ実行して待つ。
処理中に同じファイルを繰り返し送信しないでください。
画像の結果を理解してから保存する
実際の処理では、49 KB の PNG から 6 行、4 列、24 セルを平均信頼度 100.0% で検出しました。これは鮮明な自作サンプルの結果であり、撮影した領収書や密な帳票の予測値ではありません。
列ずれ、欠けた行、誤った見出しをプレビューで確認します。XLSX は表計算での確認に、JSON は抽出構造や認識情報の確認に向きます。
行列数を確認する。
想定は 6 × 4 です。異なる場合は元データや設定を見直します。
信頼度で確認順を決める。
小さい文字、句読点、識別番号、低コントラスト部分を先に確認します。
表示されたプレビューを比較する。
4 つの見出しと 5 つの作業項目が元の順序で並ぶことを確認します。
図 3 · 最大 20 行のプレビューで構造を一次確認してから、完全な XLSX または JSON を開きます。
スキャン PDF から指定ページを抽出する
PDF は同じ表を 1 ページの画像として収録しています。日本語を選び、画像前処理と見出しを有効にして、ページに 1 を入力します。長い資料では 1,3-5 のように対象を限定でき、空欄なら上限内の全ページを処理します。
処理したページごとに 1 シートが作成されます。この実行では平均信頼度 100.0% で 1 シートができました。複数ページに続く表は手動で統合する必要があります。
代表ページを先に試す。
見出し、数字、資料内で最も難しいレイアウトを含むページを選びます。
必要なページ順を保つ。
処理したい順にページを入力します。重複指定は無視されます。
ページ数とシート数を確認する。
この例では 1 ページから 1 シートになるはずです。
図 5 · 処理した 1 ページに対して 1 シートが生成されました。
プレビューだけでなくブックを監査する
XLSX を開いて元画像とセル単位で比較します。第1四半期が 751、第2四半期が 787 になることに加え、日付、小数点や桁区切り、負号、先頭のゼロ、ID、空セル、列順、行位置を確認します。
OCR は認識値を返すもので、元の表計算ロジックは返しません。必要に応じて数式、データ型、結合見出し、書式を作り直し、重要な判断では必ず元データも残します。
| 見つかった問題 | 対処 |
|---|---|
| 列が余る、または欠ける | 周囲を切り取り、傾きや罫線を改善して 1 表だけ再試行する。 |
| 数字が自然に見えるが間違っている | 合計を比較し、重要な値を 1 文字ずつ確認する。 |
| 結合セルや複数行セルがずれる | ブック内で意図した構造を手動で戻す。 |
| 次ページに表が続く | 各シートを個別に確認してから統合する。 |
上限と一時ファイルの扱いを知る
画像の表を Excel に変換は 25 MB までの JPG、PNG、TIFF、BMP、WebP を 1 ファイル受け付け、既定の処理上限は 5 分です。PDF の表を Excel に変換は 100 MB、50 ページまでで、暗号化またはパスワード保護された PDF を拒否し、既定の上限は 10 分です。両方とも英語、簡体字中国語、日本語、ドイツ語、フランス語、スペイン語、ポルトガル語に対応します。
元ファイルと結果はサーバーへ一時的にアップロードされ、通常 30 分後に削除されます。XLSX と JSON を早めに保存し、元データも保持してください。このページの練習ファイルは公開用に自作した固定サンプルで、保存された利用者タスクではありません。
よくある質問
平均信頼度が高ければ、すべての Excel セルは正しいですか？
いいえ。確認の優先順位には使えますが、数字、ID、合計、表構造は元データとの比較が必要です。
先頭行を見出しとして設定すべきですか？
実際の列名が並ぶ場合だけ有効にします。帳票タイトルや最初のデータ行なら無効にします。
PDF の一部ページだけ処理できますか？
はい。1,3-5 のようにページと範囲を入力できます。空欄なら 50 ページの上限内ですべて処理します。