企业官网建设流程全解析

本地 PDF、图片字段提取到 Excel：用文档工作台的完整流程

标签：OCR、PDF、Excel、文档处理、本地部署

碰到一摞 PDF 和图片要整理，目标是提取指定的信息输出 Excel——这时候直接跑全文 OCR 往往不管用。

举个例子：交付表要"姓名、编号、日期、金额"四列。全文识别给你一大段文字，你还是得自己从每一页里挨个找这四个字段，再手动填表。

下面是我用的方法：文档工作台，全程本地处理，把 PDF 和图片里的字段抽出来，导出 Excel。

截图里的 LocalDoc Studio 是当前客户端界面名字。

什么情况下适用

先看你的任务符不符合这四条：

1. 输入是 PDF、图片，或者混装两者的文件夹。
2. 每页要取的信息比较固定。
3. 最后要的是 Excel。
4. 文件不能往外传，得在本地处理。

如果你的需求是直接写进业务系统、处理没定义字段的复杂表、或者要求不管什么版面都零误差——那这个流程不一定合适，得先把交付标准定清楚。

1. 导入 PDF、图片或文件夹

上传页面里，单个文件也行，整个文件夹也行。

PDF 按页拆，图片进队列。动手前确认一件事：一页是不是 Excel 的一行？如果一页里有多条记录，或者一条记录跨页，先定义拆分规则。

图 1：左边导文件，右边配字段。

2. 配字段

两种方式：

• 自己新建字段名，顺带加描述。
• 导入现成的 Excel 模板，列名自动变成字段。

比如目标表是：

就在文档工作台里配这四个同名字段。导出时它们就是 Excel 列名。

到这一步，真正要紧的不是"能不能做全文识别"——当然能做——而是"字段定义了没有"。没定义字段，全文结果有，但没法按字段导出 Excel。

3. 本机识别和提取

字段配好，OCR 和字段提取都在你电脑上跑：

PDF、图片或文件夹 → 配好字段 → 文档工作台本地识别与提取 → Excel

图 2：任务结果可以对照原图和全文识别内容。

省掉的是反复读页、定位字段、整理成表的体力活。复杂材料的业务判断，该你判断还是你判断。

4. 对照原图复核

导出之前，在文档工作台里把原图、全文、字段结果放一起看。重点盯这几类：

• 模糊、倾斜、扫描质量差的页面。
• 编号、日期、金额——不能错。
• 同一字段在每页位置不一样的。
• 字段含义可能有歧义的。

图 3：原始文档和字段结果左右对照，方便人工复核。

工具跑完一轮不等于就能直接交。模糊的、格式怪的、业务上拿不准的，还是得人来确认。

5. 按字段导出 Excel

确认完，字段变成列名，页面结果填成行。多页可以一次导出。

图 4：导出后字段就是列名。

这张 Excel 可以拿去录入系统、做分析、继续整理——接上你已有的流程就行。

适用边界

• 只跑本地，不处理云端文档。
• 当前输入的正式支持是 PDF、图片、文件夹，其他格式没验证过。
• 不保所有文档、所有字段都零误差：版面复杂、图片模糊、对准确率有硬要求的，人工复核省不了。

说到底，好用的流程不是"先转 PDF 再说"，而是先把那张 Excel 要什么列想清楚，再让工具去认、去提、去导出。

下载

文档工作台下载链接https://pan.quark.cn/s/9a25a85ba730#/list/share