从多个 pdf 表单中提取数据，转换为 PBI/PQ 的可行格式？

Posted 2023-05-07

【中文标题】从多个 pdf 表单中提取数据，转换为 PBI/PQ 的可行格式？

【英文标题】：Pulling data from multiple pdf forms, into workable format for PBI/PQ?

【发布时间】：2021-10-12 02:35:12

【问题描述】：

我有一组完整的 pdf 表格，我需要从中提取数据并进行一些分析。

我使用了 acrobat 的“合并到 excel”功能，它会生成一张表格，其中每个问题对应一行，每个文件对应一列单独的回复。

这种格式已被证明难以分析，因此在过去我手动移动了数据，因此所有响应都在一个列中，以便能够将其绘制成图表/放入数据透视表等。

图像描述：示例演示数据从 pdf 合并时的外观（表 A）以及我手动重新格式化后的数据外观（表 B）。

现在，这不是一个特别优雅的解决方案，但到目前为止，它对于我们的目的来说工作正常。但是，我们的数据量即将从六个文件增加到大约 100 个，所以我真的不想处理必须手动重新格式化该卷中的数据。

我知道我可以在这种情况下使用一些 VBA 来自动重新格式化数据，但是我觉得这根本没有必要 - 我应该能够处理数据使用电源查询以现有格式...但是我只是不知道如何使这项工作。

谁能向我解释如何以可用于 PBI（或 power pivot）的方式从表 A 中获取数据？或者，如果这在某个地方我没有设法通过谷歌搜索我自己的方式来实现...

非常感谢。

【问题讨论】：

拥有混合数据类型的列往往难以处理。根据各种因素，最好转置表格，以便单独的问题位于单独的列上。 （只是一个想法。可能不是您的情况的最佳方法。）

【参考方案1】：

将数据加载到powerquery [Data ... from table source]

右键单击第一列并取消透视其他列

根据需要重命名列、排序、重新排列列等

文件...关闭并加载到...

唯一的问题可能是日期列的格式，因为值列是混合类型

let Source = Excel.CurrentWorkbook()[Name="Table1"][Content],
#"Unpivoted Other Columns" = Table.UnpivotOtherColumns(Source, "Column1", "Attribute", "Value"),
#"Renamed Columns" = Table.RenameColumns(#"Unpivoted Other Columns","Column1", "Question", "Attribute", "Location", "Value", "Response")
in  #"Renamed Columns"

【讨论】：

这对你有用吗？