Conversie PDF -> txt, csv, excel

[mikekiwi]

Ik heb hier op mijn werk een steeds groter wordend probleem met aangeleverde PDF-files. Ik krijg vanuit diverse bedrijven een export met artikelgegevens en prijs. Meestal (gelukkig) in excel of een csv-variant, maar regelmatig nu ook pdf-files.
Nu moet ik de inhoud van deze bestanden in onze database inlezen en moet dus de pdf-file converteren naar iets leesbaars zoals excel, txt, dbf, etc….

Ik heb daar 3 tooltjes voor beschikbaar: Acrobat, Nuance PDF-converter en een freeware pdftotext-tooltje (commandline-driven). Helaas biedt dit in steeds meer gevallen geen succes, de layout van de originele pdf is zodanig dat het er op de pdf zelf aardig uitziet (data keurig in de vakjes), maar als ’t geconverteerd is, verspringt de data naar volgende regels, worden cellen samengevoegd, en nog meer van dit soort ellende.

Is er onder jullie misschien iemand met meer ervaring met dit soort problemen en zijn er dus nog tips om dit probleem te verhelpen? Zijn er nog andere goed-werkende programma’s die deze taak kan uitvoeren (heb er al heel wat getest, maar niets beters gevonden dan wat we al hebben) ?

Alvast hartelijk dank voor het meedenken!

[Kalief]

PDF verneukt de objecten uit de originele documenten.

Je zou het kunnen proberen met PDF Editor (Pro/Object) van Cad-Cas.

[Masch]

Je zou ook eens kunnen kijken naar de OCR technologie, meegeleverd met de betere scanner software, dat werkt hier redelijk tot goed met pdf'jes. Waarschijnlijk is er ook wel iets open source achtig beschikbaar wat op basis van deze technologie kan converteren naar Excel/ Word/ etc.

[mikekiwi]

Bedankt voor de cad-cas-suggestie (=cadkas), maar is zojuist getest en niet in orde bevonden. Export mogelijkheid naar txt, maar plaatst alle info uit een regel achterelkaar met een spatie als scheidingsteken (en dat is nu net geen fijn scheidingsteken).

Met OCR werkt wat omslachtig; moet er eerst plaatjes van maken (88 screenprintjes om een pdf van 44 pagina's op te slaan), dan laten lezen in Finereader (als voorbeeld). Dan de 88 excelletjes (die er met Finereader niet echt optimaal uitzien, maar dat terzijde) weer combineren...

Zijn er OCR-programma's die pdf's direct kunnen handelen?

[Masch]

mikekiwi schreef op vrijdag 22 december 2006 @ 16:07:
Bedankt voor de cad-cas-suggestie (=cadkas), maar is zojuist getest en niet in orde bevonden. Export mogelijkheid naar txt, maar plaatst alle info uit een regel achterelkaar met een spatie als scheidingsteken (en dat is nu net geen fijn scheidingsteken).

Met OCR werkt wat omslachtig; moet er eerst plaatjes van maken (88 screenprintjes om een pdf van 44 pagina's op te slaan), dan laten lezen in Finereader (als voorbeeld). Dan de 88 excelletjes (die er met Finereader niet echt optimaal uitzien, maar dat terzijde) weer combineren...

Zijn er OCR-programma's die pdf's direct kunnen handelen?

Wij gebruiken bij ons op het bedrijf Sharpdesk (wordt meegeleverd met onze copier), welke gelijk met pdf's aan de gang kan.