Excel应用大全 | PDF中的数据如何导出

一本书教会你分分钟搞定数据分析！

PDF（便携式文档格式，其全称为Portable Document Format）是由Adobe Systems公司开发设计的一种支持跨平台使用可移植的电子文件格式。PDF文件是以PostScript语言图形模型为基础的，可以将字体、格式、颜色、图形图像等封装在文件中。无论是互联网上提供的资料，还是公司办公文档和产品说明等，PDF文件在越来越多的领域中得到了广泛的应用。示例 PDF文件中包含两个数据表，如图2-93所示。

图 2-93 PDF 文件中的数据表

使用“来自PDF”功能导出数据

按照如下步骤操作，可以将 PDF文件的中多个表格数据导入Excel工作表中。

步骤1：在Excel中依次单击【数据】选项卡→【获取数据】下拉按钮→【来自文件】→【来自PDF】命令，在弹出的【导入数据】对话框中选中C盘Data目录中名称为“PDF Data.pdf”的文件，单击【导入】按钮关闭【导入数据】对话框，如图2-94所示。

图 2-94　选择 PDF 文件

步骤2：在弹出的【导航器】对话框中选中【选择多项】复选框，在【显示选项】列表框中选中【Table 001 (Page1)】和【Table 002 (Page1)】复选框。

步骤3：依次单击【加载】下拉按钮→【加载到...】命令，在弹出的【导入数据】对话框中选中【表】单选按钮，保持默认选中的【将此数据添加到数据模型】复选框，单击【确定】按钮关闭对话框，如图2-95所示。

图2-95选择数据表并导入数据

步骤4：PDF文件中两个表格中的数据将导入新建工作表中，如图2-96所示。

图2-96工作中导入的数据

文件另存为网页格式导出数据

      多数 PDF 阅读器软件并不具备将 PDF 文件另存为其他文件格式的功能。幸运的是使用 Microsoft Word 可以直接打开 PDF 文件，并另存为网页格式，然后借助 Power Query 就可将其中的数据导入 Excel 中。

使用开源软件Tabula导出数据

Tabula是一款值得推荐的免费开源软件，按照如下步骤操作可以提取PDF文件中的数据。

步骤1：在计算机中打开浏览器，访问Tabula的官网，根据计算机中的操作系统（Windows或Mac），选择下载相应的软件。

步骤2：Tabula软件无须安装，下载完毕后，提取压缩包文件“tabula-win-1.2.1.zip”中的“tabula”目录及其所包含的全部文件，并保存到硬盘中的任意目录中。

步骤3：双击“tabula”目录中的文件“tabula.exe”运行软件。

步骤4：Tabula软件将打开默认浏览器并访问“http://127.0.0.1:8080/”。

步骤5：在浏览器中单击【Browse...】按钮，弹出【打开】对话框，在对话框中选中C盘Data目录中的“PDFData.pdf”文件，单击【打开】按钮关闭对话框，文件名将被写入网页中的文本框，单击【Import】按钮导入文件，如图2-97所示。

图 2-97　选择并导入 PDF 文件

步骤6：单击【Autodetect Tables】按钮将自动检测PDF文件中的数据表格，并高亮显示数据区域，单击【Preview & Export Extracted Data】按钮进行数据预览，如图2-98所示。

图 2-98　自动检测数据表格

在数据区域右上角将显示一个黑色的【x】按钮，单击该按钮可以取消选中相应的表格。

在浏览器窗口的右侧文档区域中，单击鼠标左键选择数据区域起始位置，按住左键拖动至数据区域的结束位置，释放左键可以实现手工选择数据区域，如图2-99所示。

图 2-99　拖动鼠标选择数据区域

步骤7：在【Export Format】组合框中选择导出文件类型，如选择“CSV”，单击【Export】按钮导出文件，如图2-100所示。

图 2-100　选择文件类型并导出数据

Tabula软件支持导出多种文件格式，如图2-101所示。

图 2-101　多种文件格式

Tabula软件导出的CSV文件内容如图2-102所示，参照示例2-1可以将CSV文件导入Excel中。

图 2-102 Tabula 软件导出的数据文件内容

运行Tabula软件的计算机中应具备相关的Java运行环境（并非Java开发软件环境），否则首次运行Tabula软件时，将打开默认浏览器并访问Java的官方下载网页（URL为https://www./zh_CN/download/win10.jsp），读者可自行下载并安装Java运行环境，安装完成后即可正常使用Tabula软件。