Práce s PDF: vytěžení, sloučení a převod do jiných formátů

PDF je formát, ve kterém dokumenty chodí — a ve kterém se s nimi nejhůř pracuje. Agent z PDF vytáhne text i čísla, převede je do tabulky nebo dokumentu a dlouhé dokumenty shrne.

Přínos: konec ručního přepisování z PDF do Excelu. Sto stran smlouvy nebo výroční zprávy přečte agent — vy dostanete to podstatné.

Co všechno jde

• Vytěžení dat — z PDF faktur či výpisů čísla rovnou do tabulky.
• Shrnutí dlouhých dokumentů — výroční zpráva, studie nebo podmínky na jednu stranu podstatného.
• Převod formátů — z PDF do textu, který jde upravovat; z dokumentu do PDF na odeslání.
• Sloučení a rozdělení — více PDF do jednoho souboru, nebo naopak vytáhnout jen potřebné stránky.
• Hledání napříč PDF — najít, ve kterém z desítek PDF je konkrétní ustanovení nebo částka.

Ukázková zadání

Každé zadání ukazuje jeden dobrý zvyk — všimněte si jich, vyplatí se.

Popište přesné sloupce a co s nejistými údaji:

Ve složce vypisy-pdf/ jsou výpisy z účtu za celý rok v PDF. Vytáhni
všechny pohyby do jedné tabulky pro Excel: datum, protistrana, částka,
poznámka. Položky, u kterých si nejsi jistý, označ ve sloupci Poznámka —
nic nedomýšlej.

U shrnutí chtějte odkazy na stránky, ať jde vše dohledat:

Shrň PDF pojistne-podminky.pdf na jednu stranu: co je kryté, co je
vyloučené, jaké jsou lhůty a na co si dát pozor. U každého bodu uveď
číslo stránky, ze které vychází.

Originály nechte být — nový soubor vedle:

Ze složky podklady-pdf/ vytáhni stránky s cenovými tabulkami do jednoho
nového PDF a přidej úvodní stranu s obsahem. Původní soubory neměň,
výsledek ulož do vystup/.

Hledání napříč PDF — s citací přesného znění:

Ve složce smlouvy-pdf/ najdi všechny dokumenty, kde se mluví
o automatickém prodloužení smlouvy. Vypiš soubor, stránku a přesné znění
ustanovení — ať to můžu ověřit.

Převod skenu na text — s označením nečitelných míst:

Převeď sken-smlouva.pdf na text do vystup/, zachovej členění článků.
Špatně čitelná místa označ [NEČITELNÉ] a vypiš je na konec — doplním je
ručně, nedomýšlej je.

Tip

U skenovaných PDF (fotky stránek) záleží na čitelnosti předlohy — viz Skeny a fotky dokumentů.

Kudy dál

• Ukázky pro firmy a profese s mlčenlivostí.
• Data z PDF dál zpracovat? Viz Tabulky a Excel.