整齐的表格可能隐藏错误结构
扫描PDF是页面图像,不一定包含可靠的文字与单元格结构。识别工具可能把两行合成一行、把备注当数据,或在翻页时丢掉单位。AI输出的列很整齐,不能证明还原过程正确。
先浏览全件,标记表格在哪些页开始结束、是否有合并单元格、脚注、横向页面和续表。这样的版面地图比直接要求“全部转Excel”更容易控制错误。
先试一页最复杂的样本
选包含多行表头、合计和备注的一页,要求输出同时保留来源页与行定位。比较列数、空白位置和跨行关系,确认方法可行后再扩展到其余页面。
不要用第一页恰好简单的结果代表全件。不同清晰度、字体或扫描方向应分别抽查,无法辨认的字保留未知,不利用金额总数倒推一个看起来合理的值。
数字与单位分开校对
重点检查0与O、1与I、小数点、负号、千位分隔、百分号和币种。单位可能只写在表头,也可能在某一页变化;识别成数字以后仍需把单位与相应范围绑定。
例如原件一列以“千元”为单位,输出仅保留100,不能直接写成100元。跨页重复表头应作为表头处理,不进入数据行参与统计。
用合计检查发现问题,不用合计制造答案
将行数、分组小计和总计作为独立交叉检查。若不相符,回到原图定位具体单元格;合计本身也可能有原始错误,不能为了让公式成立直接调整某行。
把“识别误差”与“来源矛盾”分成两种备注。前者可以在确认原图后修正,后者需要保留原值和问题说明,不能被清洗流程无声抹平。
交付可回查的数据与疑点
输出保留源页、必要行标识与处理记录,疑点行单独列出。引用原文时只保留必要内容,含私人信息的扫描件和转写材料不要进入公开页面或仓库。
最终验收包括结构一致、关键数字复核和未解决项完整。某些表格通过并不代表全部页面都检查过;报告抽查范围与逐格核对范围,让使用者知道数据适合做哪些判断。