使用Power Query合并格式略有差异的PDF文件

• 需提取若干PDF中红色标注的值，整理为指定格式的表格（样式参考下方示例图）
• 现有3份PDF样本，存在的问题：部分PDF的表格之间有空格，需将未在表格内的DATE（日期）单独列出来
• 咨询：能否通过Power Query将这3份样本PDF合并为单个文件？

完全可以用Power Query完成需求，核心步骤如下：

1. 批量导入PDF文件 #

• 打开Excel，切换到「数据」选项卡，选择「获取数据」>「从文件」>「从文件夹」，选中存放3份PDF的文件夹
• 在弹出的窗口中点击「编辑」，进入Power Query编辑器

2. 提取内容并处理独立日期 #

• 添加自定义列，用Table.PromoteHeaders(Pdf.Tables([Content]))提取每个PDF的表格数据；对于表格外的DATE，可通过Text.PositionOf、Text.Middle等函数定位PDF文本中的日期位置（需根据PDF的文本结构调整具体逻辑），提取后作为单独列添加
• 筛选出带红色标注的行：如果PDF里的红色标注在文本提取时带有格式标记，可结合Pdf.Extract函数提取带格式的文本，再通过格式特征筛选目标行

3. 合并与整理表格 #

• 统一各提取表格的字段名，删除冗余列，保证结构一致
• 追加所有表格数据，调整为指定的表格样式后，加载回Excel即可

注：如果3份PDF的文本结构差异较大，可能需要针对不同文件编写条件判断，适配表格外日期的不同位置。

内容的提问来源于stack exchange，提问作者chi005