扫描件批量转 Excel：先确认要整表还原还是字段汇总

一批扫描件转成 Excel 后，最常见的返工并不是"没有识别出文字"，而是结果和后续要用的方式不一致。

有人需要保留原表的行列、表头和合并关系；也有人只需要把每份材料里的编号、日期、金额汇总成一张明细表。这两种任务都叫"扫描件转 Excel"，但验收标准和处理方法并不相同。

开始批量处理前，先让接收 Excel 的人选定最终交付物。下面的对比可以作为判断起点。

整表还原关注的是原表的结构。除了内容，还要关心表头层级、空白单元格、合并单元格、同页多表和分页后的续表。这类任务不能只看文字是否被读出来，必须在样本上核对 Excel 里的行列关系是否仍能使用。

字段汇总关注的是每条记录中要交付哪些信息。例如，把多份扫描的单据整理成"来源文件、单据编号、日期、金额、复核状态"五列。它不要求复刻原页面，只要求每一列的含义稳定、每个结果能回到原件核对。

💡 先定验收，再开始识别

如果最后要的是固定列的明细表，就不要把"尽量保留版式"当成隐含要求；如果必须保留原表结构，也不要用只核对几个字段的标准验收。

当你要处理的是一批名称、版式或页数相近的材料，而且后续只关心少量固定信息时，字段汇总通常更接近实际工作。

例如，扫描件来自多份合同、回执、票据或档案，但最终只需要编号、日期、主体名称和金额。此时应先把这四项写成 Excel 列名，再约定每份文件、每页还是每条记录对应一行。

开始前可以先填一张空表，明确需要交付的字段。

来源定位	单据编号	日期	金额	复核状态
文件名 + 页码	待提取	待提取	待提取	待复核

字段定义也要写清楚：金额取含税金额还是合计金额，日期取签署日期还是出具日期，编号是否保留前导零。找不到的内容先留空并标记待查，通常比根据上下文补一个值更容易复核。

如果任务明确是字段汇总，文档工作台可导入 PDF、图片或混合文件夹，按字段名和字段描述配置提取目标，并将确认后的字段导出为 Excel。导出前仍应结合原始页面检查异常值。

图 1：原始页面与按字段整理的结果并排显示，便于检查结果来自正确位置。图片来自文档工作台客户端。

以下情况，不能把任务简单改成字段汇总：

这类任务要在开始前确认"保留到什么程度"。是只要行列顺序基本一致，还是合并关系、空白单元格和表头层级都必须保留？不同要求会决定后续的处理方式和人工复核量。

特别是模糊扫描件、倾斜页面、手写内容或表格线不完整时，单纯识别出文字并不等于表格已还原。应先用少量真实或脱敏样本，核对一份完整表和一份复杂表，再决定是否扩展到整批材料。

下面四项最好由提交材料的人或最终使用 Excel 的人提前确认。

字段汇总还应预留来源定位列。批量处理不是为了删掉原件，而是把"从哪一页找到的、放到哪一列"变成可检查的路径。

图 2：字段名对应 Excel 列名，来源定位和复核规则可在此基础上继续补充。图片来自文档工作台客户端。

不要一开始就处理全部扫描件。先选取能够覆盖正常页、复杂表、模糊页和可能缺字段页面的小批样本。

如果样本证明所需列稳定、每行规则明确，后续可以按字段汇总推进；如果使用方必须依赖原表结构，再按整表还原的验收要求评估并安排人工校对。两种结果也可以同时保留：一份用于原表查阅，一份用于后续统计或录入。

扫描件批量转 Excel 的重点不是"有没有转出来"，而是转出来以后能否进入下一步工作。先把整表还原和字段汇总分清，再带着明确的字段、行规则和复核方式处理，结果才更容易验收。