PDF→CSV変換ソフトは、PDFファイルから表を取り出し、Excelがダイアログを1つも出さずに開けるCSVに書き出します。1回の実行でフォルダー全体を、お使いのWindows PC上で処理します。
PDF→CSV変換ソフトをダウンロードし、インストーラーを実行します。PDFエンジンとスキャンページ用の文字認識エンジンはプログラムに同梱されています。
PDFファイルを個別にドラッグするか、ディレクトリをまるごと追加します。一覧には追加した順にファイルが並び、不要なものはワンクリックで削除できます。
プレビューには、文書のページ数、検出された表の数、各表に使われた経路、各表の先頭数行が表示されます。1行目が見出しなのに見出しとして認識されていない場合は、「変換」タブのチェックボックスをオンにしてください。
文書ごとに1つのCSVを書き出すか、すべての表を1つの結合ファイルにまとめます。金額を数式で使う場合は、数値と日付の正規化をオンにします。最後に「変換」を押します。
顧客の銀行取引明細書は、Windowsマシンから外に出ません。これはブラウザーのタブもエンドポイントもサーバーの処理待ちも介さない、通常のWindowsプログラムです。画像だけのページの文字認識もお使いのマシン上の補助プロセスで実行されるため、PDF→CSV変換ソフトは処理中にネットワークに一切アクセスしません。
試用版はご自身の文書を変換し、データの最初の10行を書き出したうえで、そこで止まったことを表示します。銀行取引明細書は1ページに約40行の取引があるため、文書全体を変換しなくても、表が正しくそろうかどうかをサンプルで確認できます。見出し行はこの制限に含まれません。
取引が抜け落ちる変換ツールを使うと、数週間後の銀行照合で初めて差異が見つかることがあります。本プログラムでは、解決できなかった箇所は空行になるのではなく、元のファイル名とともにその場で示されます。
Word、Excel、Googleドキュメントから作成されたタグ付きPDFは表を構造として持っているため、セルを推測するのではなく、そのまま取得します。罫線のある表は、ページ上のベクターの線分から読み取ります。罫線がない場合は、テキストの位置と、すべての行を縦に貫く空白の通り道から形状を割り出します。実務で使われた62件の文書での実地テストでは、65ページが罫線、48ページが空白、9ページがタグ付き構造を使用しました。正解の出力がわかっているテスト用文書群では、150件の自動チェックに合格しました。合格基準は経路ごとに設定されており、存在しない表を作り出すことはありません。このテスト用文書群での誤検出はゼロでした。
テキストレイヤーのないページは、中の画像の解像度（150～300 DPI）でレンダリングされ、文字認識エンジンに渡されます。判定はページ単位で行われるため、3ページ先にスキャン画像があっても、テキスト文書全体の処理が遅くなることはありません。対応する文字はラテン文字とキリル文字です。CJK、アラビア文字、タイ文字、ギリシャ文字、ヘブライ文字には対応していません。また、スキャンページはネイティブPDFよりも誤りが多くなるため、まずはお手持ちの文書を1つ試してください。
取引明細書では、ページごとに列見出しが繰り返されます。本プログラムは分割された表をつなぎ合わせて1つの表にし、繰り返しの見出しを除去するため、40ページの明細書も見出し行が1つだけのシート1枚になります。
ディレクトリを追加すると、その中のすべてのPDFが1回の実行で処理されます。実地テストでは62ファイル、362ページをクラッシュなしで処理し、155個の表を検出しました。文書ごとに1つのCSVにするか、すべてを1つのファイルに追記するかを選べます。
銀行のテンプレートでは、ノーブレークスペースやスイス式のアポストロフィを含め、少なくとも5通りの桁区切りが使われており、小数点記号も2種類が流通しています。正規化をオンにすると、PDF→CSV変換ソフトはこれらを1つの形式に書き換え、通貨記号や通貨コードを専用の列に移し、日付をISO形式で読み込み、会計で使われる括弧付きのマイナス (1 234,56) を -1234.56 に変換します。正規化をしないと金額はテキストのままで、SUMの結果は0になります。
出力はRFC 4180に準拠し、バイトオーダーマーク付きのUTF-8で保存されます。他人が作成したPDFのセルが=、+、-、@で始まり、かつ数値でない場合は先頭にアポストロフィが付くため、シートを開いたときに=cmd|'/c calc'!A0が実行されることはありません。数値と括弧付きの負の数はそのまま残ります。
10～30社の顧客から、銀行がもう機械可読形式でエクスポートしてくれない期間の明細書が届きます。どの顧客からも同じ形の表が必要です。顧客ごとに1フォルダー、それぞれ1回の実行で済みます。
12～36か月放置された帳簿は、複数口座の明細書として、たいていは命名規則のない1つのアーカイブで届きます。変換後は、Excelファイル結合ツールで個別のCSVファイルを1つのブックにまとめられます。こうした案件は一括料金のため、PDFから元帳までの作業にかかる手間はそのまま利益を削ります。
PDFの明細書からの手入力は、今でも多くの企業で当たり前の作業で、時間単位で外注していることもあります。入力ミスした取引は、照合の段階になって初めて見つかることもあります。毎回同じ列を同じ方法で読み取るプログラムなら、この種のミスそのものをなくせます。
アプリをMicrosoft Storeからインストールしたい方は、PDF to CSV Converter（Microsoft Store版）も入手できます。