將掃描 PDF 轉成 Excel
把掃描 PDF 轉成 Excel：將每一頁影像讀成結構化欄位，對照原稿抽查後，匯出 Excel 能直接開啟的 UTF-8 BOM CSV 檔。
掃描 PDF 並不是檔案裡偷偷藏著一張試算表——它其實就是一張文件的圖片。每一頁都是由資料列、欄位和合計組成的影像，在人眼看來「像」一張表格，但對電腦來說只是一堆像素而已。這就是為什麼掃描檔通常沒有「匯出到 Excel」的按鈕：根本沒有儲存格可以匯出，有的只是一張圖。想拿到真正的資料列，你得先把整頁重新讀成結構化的欄位，再把這些欄位寫成 Excel 能開啟的檔案。
本文要做的正是這套流程。你拿到一張文件影像（掃描頁、手機拍的照片、傳真來的收據），把上面的數值抽成具名欄位，再匯出一個能直接在 Excel 開啟的 CSV——採用帶位元組順序記號（BOM）的 UTF-8 編碼，這樣日文、韓文、中文都會落在正確的欄位裡，而不會變成亂碼。「掃描 PDF 轉 Excel」最終想要的，就是那一份 CSV。
為什麼掃描檔不能直接變成 Excel
當你掃描一張紙本發票，得到的是一張點陣圖——和 JPEG 照片是同一類檔案。space-ocr 直接接受這些點陣格式：JPEG、PNG、GIF、BMP、TIFF 和 WebP。如果你的來源是多頁的 PDF，有兩條路可走：直接把 PDF 丟進 space-ocr 應用程式，它會自動幫你把每一頁算繪成影像；或者——如果你是直接呼叫 REST API——先把每一頁匯出成影像（PNG 或 TIFF）再送出。不管哪一種方式，OCR 都是在頁面影像上執行的。
引擎會讀取每一張影像、找出上面的數值，並為每個欄位標出在頁面上經過驗證的位置。一旦整頁被結構化成欄位，要變成 Excel 只剩下載一份 CSV 而已。真正困難、也最值得做對的部分是「讀取」，而不是「匯出」。
從文件影像到結構化欄位
上傳一張文件影像——或乾脆丟一張照片或一個 PDF——數值就會以具名欄位的形式輸出，而不是一整片文字牆。最快的方式是讓應用程式幫你提議欄位：把整頁丟進去，它就會自動提出一套結構，不必設定、也不必挑範本。你當然也可以套用內建範本（收據和名片是一鍵預設；發票、採購單、送貨單等則在選擇器裡），或自行定義欄位。看一張掃描檔如何變成帶標籤的欄位：
對於有重複列的文件——發票明細、收據商品——請宣告一個 array 欄位並帶上子欄位。頁面上的每一行都會變成獨立的一列，當試算表需要加總時，這正是你要的結果。如果你正好要專門處理這種重複列，欄位規格的細節請參考從發票抽取明細列。
{
"image": "https://example.com/scanned-page-01.png",
"imageType": "url",
"fields": [
{ "name": "vendor", "type": "string" },
{ "name": "invoice_date", "type": "string" },
{ "name": "total", "type": "string" },
{
"name": "line_items", "type": "array",
"children": [
{ "name": "description", "type": "string" },
{ "name": "unit_price", "type": "string" },
{ "name": "qty", "type": "string" }
]
}
]
}數值會原封不動地回傳。 印在紙上的 7,855 仍然是 7,855——逗號、小數點、全形字元都會和頁面上一模一樣地保留，這樣你的合計才對得起來。你在應用程式裡看到的貨幣符號只是 UI 裝飾，並不屬於數值本身。只有當你在某個欄位的描述裡明確要求時，數字才會被正規化。
先抽查，再匯出到 Excel
在把任何東西匯入 Excel 之前，先確認讀取結果是否正確。把滑鼠移到某個數值上，原始影像上對應的來源區塊就會亮起來，讓你的視線直接落在那個位置，而不必把整張掃描檔重看一遍。match_ratio 為 1.0 表示頁面上的每個字元都被找到；低於 0.85 的就值得再看一眼。
匯出能在 Excel 開啟的 CSV
當欄位看起來都沒問題，就匯出整張表。你會得到一個 <sheetName>.csv，第一列是你的欄位名稱標題列；array 欄位會展開成 column.child 欄，重複的明細列則展開成子列。這個檔案是帶 BOM 的 UTF-8，正是這個細節讓 Excel 在你雙擊時能乾淨地開啟 CJK 文字。你做過的任何手動修正，在匯出時都會覆蓋掉原本的 OCR 數值。
要在 Excel 開啟它：直接雙擊那個 .csv 就好。因為有 BOM，Excel 會自動把它當成 UTF-8 來讀——不用跑文字匯入精靈，也不會出現亂碼。接著如果你需要一個原生活頁簿，就另存新檔 → .xlsx。如果你的最終目標只是一條單純的 CSV 流程，而不是非 Excel 不可，姊妹篇把掃描文件轉成 CSV 從頭到尾完整講解了同一套匯出流程。
透過 API 大量處理
面對一整個資料夾的掃描檔，先用你的欄位結構建立一張表，然後把頁面影像上傳到那張表。每張影像都會依照那套結構被讀取，並附加成資料列，之後可以一次匯出成一份 CSV。完整的請求／回應格式都在 API 文件裡。
curl -X POST https://api.space-ocr.com/upload \
-H "Authorization: Bearer $SPACE_OCR_API_KEY" \
-F "path=/Invoices 2026" \
-F "files=@scan-page-01.png" \
-F "files=@scan-page-02.png" \
-F "wait=true"如何將掃描 PDF 轉成 Excel
- 加入你的 PDF 或頁面影像在 space-ocr 應用程式裡，直接把 PDF 丟進去就好——每一頁都會自動算繪成影像，所以沒有什麼需要轉換的。如果你是直接呼叫 REST API，請先把每一頁匯出成點陣影像，因為引擎讀的是點陣影像（JPEG、PNG、GIF、BMP、TIFF、WebP），而不是 PDF 的位元組。
- 把整頁讀成欄位把數值抽成具名欄位。最快的方式是讓應用程式從頁面自動提議欄位；你也可以套用內建範本，或自行定義欄位規格。重複的明細列請宣告一個 array 欄位。
- 抽查數值把滑鼠移到欄位上，標示出它在原始掃描檔上的讀取位置。match ratio 為 1.0 表示每個字元都被定位到；低於 0.85 則標記出值得檢視或更正的數值。
- 匯出 CSV把整張表匯出成 CSV。它是帶 BOM 的 UTF-8，會把 array 明細列展開成子列，而且任何手動修正都會覆蓋原本的 OCR 數值。
- 在 Excel 開啟雙擊那個 CSV——Excel 會讀取 BOM，打開你的資料列，欄位對齊、CJK 文字完整無誤。如果你需要原生活頁簿，再另存成 .xlsx。