Muốn chuyển PDF sang Excel cho chuẩn, việc đầu tiên là xác định tệp PDF đó chứa chữ thật hay chỉ là ảnh chụp trang giấy, vì hai loại cần hai cách làm khác nhau. PDF chữ thật có thể lấy bảng ra gần như nguyên vẹn bằng công cụ có sẵn; PDF ảnh quét phải qua bước nhận dạng chữ, và đó là chỗ AI giúp nhiều nhất nhưng cũng sai nhiều nhất.
Tình huống thường gặp ở văn phòng: nhà cung cấp gửi bảng báo giá hay bảng kê hàng giao dạng PDF dài mười trang, cấp trên cần nó trong Excel để so với đơn đặt hàng; hoặc một tập danh sách cũ chỉ còn bản quét. Bài này đi qua cách nhận biết loại PDF, cách lấy bảng ra, cách nhờ AI xử lý những chỗ khó như bảng nhiều trang và ô gộp, và cách soát để không mất dòng. Ví dụ trong bài là ví dụ giả định.
Nhận biết PDF chữ thật và PDF ảnh quét trong mười giây
Mở tệp PDF bằng trình đọc bất kỳ, thử bôi đen một đoạn chữ trong bảng. Nếu bôi được từng chữ và sao chép ra được, đó là PDF chữ thật, tức là tệp được xuất thẳng từ phần mềm như Word, Excel hay hệ thống bán hàng. Nếu thao tác bôi đen chỉ khoanh được cả khối như một bức ảnh, đó là PDF ảnh quét: ai đó in ra rồi đưa qua máy quét hoặc chụp bằng điện thoại.
Có loại thứ ba gây nhầm lẫn: PDF ảnh quét đã được chạy nhận dạng chữ, nên bôi đen được nhưng chữ sao chép ra thì sai chính tả, mất dấu hoặc lẫn ký tự lạ. Thử dán đoạn vừa chép vào một trang trống; nếu thấy “Cong ty” thay cho “Công ty” hoặc số bị chen dấu cách, coi nó như PDF ảnh và làm theo cách của loại ảnh.
Việc nhận biết này quyết định gần hết chất lượng kết quả. Rất nhiều người đưa PDF chữ thật cho chatbot đọc như ảnh, nhận về bảng có lỗi đọc số, trong khi nếu lấy thẳng dữ liệu thì không sai chữ nào. Ngược lại, đưa PDF ảnh vào công cụ trích bảng thông thường sẽ chỉ nhận về trang trắng hoặc một cột chữ vô nghĩa.
PDF chữ thật: lấy thẳng, không cần AI đọc chữ
Dùng chức năng lấy dữ liệu từ PDF trong Excel. Excel bản Windows thuộc gói Microsoft 365 có mục lấy dữ liệu từ tệp PDF trong nhóm Get Data (Power Query). Công cụ này liệt kê các bảng nó nhận ra theo từng trang, bạn chọn bảng cần lấy rồi nạp vào trang tính. Tính năng có hay không tuỳ phiên bản và hệ điều hành, nên kiểm bản bạn đang dùng.
Mở PDF bằng trình soạn thảo văn bản. Word bản gần đây mở được PDF và chuyển thành văn bản có thể chỉnh, bảng thường giữ được dạng bảng. Từ đó bạn sao chép bảng sang Excel. Bảng có ô gộp phức tạp có thể bị xô lệch, nhưng với bảng đơn giản thì cách này đủ dùng.
Sao chép trực tiếp rồi nhờ AI dựng lại cột. Khi bôi đen bảng trong PDF và dán vào Excel, nhiều khi cả dòng dồn vào một ô. Lúc này AI có ích ở vai trò khác: bạn dán vài dòng mẫu và nhờ nó viết công thức tách cột, hoặc nhờ nó dựng lại bảng từ đoạn chữ thô. Vì chữ đã chính xác, AI chỉ phải chia cột, ít rủi ro hơn hẳn việc đọc ảnh.
Nhờ AI gợi bước Power Query. Nếu cùng một nhà cung cấp gửi PDF giống khuôn mỗi tháng, mô tả cấu trúc tệp cho AI và nhờ nó liệt kê các bước làm sạch trong Power Query: bỏ dòng tiêu đề lặp, đổi kiểu dữ liệu, gộp các trang. Bạn thực hiện một lần, tháng sau chỉ cần làm mới. Phần này đi sâu ở danh mục tự động hoá việc lặp lại.
PDF ảnh quét: các bước để AI đọc thành bảng
Với PDF ảnh, bạn cần một công cụ nhận dạng chữ. Chatbot đọc được ảnh và PDF là lựa chọn dễ nhất; một số dịch vụ lưu trữ đám mây cũng cho mở ảnh hoặc PDF bằng trình soạn thảo để chuyển thành chữ. Dưới đây là trình tự làm với chatbot.
- Mở PDF, đếm số trang có bảng và số dòng xấp xỉ mỗi trang; ghi lại tổng số dòng dự kiến và dòng tổng cộng in ở cuối bảng nếu có.
- Nếu tệp có trang bìa, trang chữ ký, trang điều khoản, tách riêng các trang chứa bảng ra một tệp mới để AI không phải xử lý phần thừa.
- Gửi từng nhóm hai đến ba trang, không gửi cả tệp hai mươi trang một lần; bảng dài là thứ AI hay cắt bớt mà không báo.
- Trong câu lệnh, nêu rõ tên các cột theo đúng thứ tự trên giấy, yêu cầu giữ nguyên mã hàng và số liệu, ô không đọc được ghi CHƯA RÕ.
- Yêu cầu AI ghi số trang ở cột đầu mỗi dòng, để khi soát bạn biết dòng đó nằm ở trang nào.
- Dán từng nhóm kết quả nối tiếp nhau vào một trang tạm, rồi đếm dòng và cộng các cột số so với con số ở bước một.
Câu lệnh mẫu cho một nhóm trang: “Đây là trang 4 đến 6 của bảng kê hàng giao, ảnh quét. Hãy chép bảng thành dạng bảng với các cột: Trang, STT, Mã hàng, Tên hàng, Đơn vị tính, Số lượng, Đơn giá, Thành tiền. Giữ nguyên mã hàng từng ký tự. Số ghi không dấu phân cách. Bỏ dòng tiêu đề lặp ở đầu mỗi trang. Không thêm, không gộp, không bỏ dòng. Cuối cùng cho biết bạn đã chép bao nhiêu dòng.” Câu hỏi về số dòng ở cuối không phải để tin vào câu trả lời, mà để bạn so với số đếm của chính mình.
Những chỗ khó trong bảng PDF và cách xử lý
Bảng trên giấy được thiết kế cho mắt người đọc, nên có nhiều chi tiết làm khó việc chuyển sang bảng tính. Mỗi loại cần một dặn dò riêng trong câu lệnh hoặc một bước sửa sau khi dán.
| Chỗ khó | Biểu hiện khi chuyển | Cách xử lý |
|---|---|---|
| Ô gộp theo chiều dọc (một nhóm hàng chung một ô tên nhóm) | Chỉ dòng đầu của nhóm có tên nhóm, các dòng sau để trống | Yêu cầu AI lặp lại tên nhóm cho mọi dòng; hoặc sau khi dán, dùng chức năng điền ô trống bằng giá trị ô phía trên |
| Dòng bị cắt ngang giữa hai trang | Tên hàng dài nửa nằm cuối trang này, nửa nằm đầu trang sau, thành hai dòng | Gửi hai trang liền nhau trong cùng một lượt và dặn AI nối dòng bị cắt |
| Dòng tiêu đề lặp ở đầu mỗi trang | Bảng có tiêu đề chen giữa dữ liệu | Dặn bỏ trong câu lệnh, sau đó lọc cột Mã hàng tìm chữ “Mã hàng” để xoá nốt |
| Dòng cộng trang, cộng dồn | Số liệu bị cộng hai lần khi tính tổng | Yêu cầu AI đánh dấu dòng cộng ở một cột riêng, hoặc bỏ hẳn và tự cộng lại |
| Chữ số kiểu 1.234,5 hoặc 1,234.5 | Bảng tính hiểu sai thành chữ hoặc sai giá trị | Bắt AI ghi số trần không phân cách; với số lẻ, nói rõ dấu thập phân là dấu phẩy hay dấu chấm |
| Chữ ký, con dấu đè lên số liệu | Số dưới con dấu bị đọc sai hoặc thiếu | Đánh dấu dòng có con dấu để soát tay |
Bạn không cần dặn hết các điều trên cho mọi tệp. Nhìn lướt bảng trước khi gửi, thấy chỗ khó nào thì đưa đúng dặn dò đó vào câu lệnh. Câu lệnh càng dài càng dễ khiến AI bỏ quên chính những yêu cầu quan trọng.
Soát kết quả: đếm dòng và cộng cột là đủ phần lớn
Với bảng chuyển từ PDF, hai lỗi đáng sợ nhất là mất dòng và đổi số, vì cả hai đều không làm bảng trông sai. Một bảng 312 dòng bị mất 4 dòng vẫn trông hoàn chỉnh. Vì vậy phép kiểm đầu tiên luôn là đếm: số dòng trong bảng tính phải bằng số dòng bạn đếm trên PDF, hoặc bằng số thứ tự cuối cùng nếu bảng có cột STT. Nếu có cột STT, thêm một cột kiểm bằng công thức so STT dòng này với STT dòng trên cộng một; chỗ nào lệch là chỗ bị nhảy dòng.
Phép kiểm thứ hai là cộng: tổng cột Thành tiền phải bằng dòng tổng cộng in trong PDF. Kiểm thêm từng dòng bằng một cột phụ lấy Số lượng nhân Đơn giá trừ Thành tiền; dòng nào ra khác không là dòng có ít nhất một con số bị đọc sai. Cách này bắt được phần lớn lỗi đọc số mà không cần nhìn từng ô.
Phép kiểm thứ ba dành cho mã hàng: nếu bạn có danh mục mã hàng chuẩn, dùng hàm dò tìm như XLOOKUP (Excel bản mới) hoặc VLOOKUP để xem mã nào trong bảng mới không có trong danh mục. Mã không khớp thường là mã bị đọc nhầm một ký tự, kiểu chữ O thành số 0. Lưu ý dấu ngăn cách đối số trong công thức là dấu phẩy hay dấu chấm phẩy tuỳ cài đặt vùng của máy. Khi bảng đã qua cả ba phép kiểm, nó sẵn sàng để so với đơn đặt hàng hay đưa sang bước phân tích.
Bảo mật khi đưa tệp PDF cho AI
PDF trong văn phòng thường là tài liệu nhạy cảm hơn ảnh chụp lẻ: bảng báo giá có giá nhập và chiết khấu riêng, bảng kê có tên khách hàng, hợp đồng có số tài khoản. Trước khi tải lên một chatbot dùng tài khoản cá nhân, hãy hỏi: nếu tệp này rơi ra ngoài thì ai thiệt? Nếu câu trả lời là công ty hoặc khách hàng, có ba lựa chọn. Một là dùng công cụ AI mà công ty đã duyệt với điều khoản dữ liệu rõ ràng. Hai là che các cột nhạy cảm trước khi gửi, ví dụ cắt bỏ cột tên khách, chỉ gửi phần mã đơn và số lượng, rồi ghép lại trong bảng tính bằng mã. Ba là với PDF chữ thật, dùng cách lấy thẳng bằng công cụ trên máy, không cần gửi đi đâu cả.
Đừng tải PDF lên những trang web chuyển đổi miễn phí không rõ nguồn gốc chỉ vì chúng hứa “chuyển trong một giây”. Bạn không biết tệp được giữ bao lâu và ai đọc được. Lựa chọn an toàn là các công cụ có sẵn trong bộ văn phòng bạn đang dùng hoặc công cụ công ty cấp. Phần quy định nội bộ về dữ liệu nằm ở AI Bảo Mật; ở đây chỉ nhắc một điều đơn giản: tệp nào bạn không dám gửi qua thư cho người lạ thì cũng đừng tải lên công cụ lạ.
Câu hỏi thường gặp
Vì sao chuyển PDF sang Excel bị dồn hết vào một cột?
Vì PDF không lưu bảng như bảng tính mà lưu vị trí từng chữ trên trang. Khi sao chép, phần mềm không biết đâu là ranh giới cột. Cách gỡ là dùng chức năng lấy dữ liệu từ PDF, hoặc dán vào một cột rồi nhờ AI viết công thức hay quy tắc tách cột dựa trên vài dòng mẫu.
AI có đọc được bảng PDF hai mươi trang trong một lần không?
Có thể nhận tệp, nhưng kết quả hay bị cắt bớt hoặc tóm lược mà không báo. Chia thành nhóm hai đến ba trang, ghi số trang vào mỗi dòng và đếm dòng sau mỗi nhóm thì chắc chắn hơn nhiều so với một lượt lớn.
PDF có mật khẩu thì làm sao?
Nếu bạn được người gửi cấp mật khẩu thì mở bằng mật khẩu đó rồi làm như bình thường. Nếu không có quyền mở, đừng tìm cách gỡ mật khẩu; hỏi người gửi bản không khoá hoặc bản Excel gốc, thường họ có sẵn và gửi lại rất nhanh.
Có nên xin luôn tệp Excel gốc thay vì chuyển PDF?
Nên, và đây thường là cách nhanh nhất. Nhiều nhà cung cấp xuất PDF từ chính bảng tính của họ. Một lời đề nghị gửi kèm tệp gốc mỗi tháng tiết kiệm cho bạn cả buổi chuyển đổi và loại bỏ hoàn toàn lỗi đọc số.
Làm sao biết bảng chuyển xong có bị đổi số không?
Dùng các phép kiểm có sẵn trong chính bảng: cộng cột so với dòng tổng trong PDF, thêm cột kiểm số lượng nhân đơn giá trừ thành tiền, đối chiếu mã hàng với danh mục chuẩn. Dòng nào lệch ở một trong ba phép này thì mở PDF xem lại đúng dòng đó.
Có cần biết Power Query mới chuyển được PDF?
Không bắt buộc. Với tệp làm một lần, sao chép kết hợp nhờ AI tách cột là đủ. Power Query đáng học khi bạn nhận cùng một khuôn PDF đều đặn, vì nó cho phép làm lại toàn bộ các bước chỉ bằng một lần làm mới.