使用Power Query处理列数不同的PDF文件并转换为CSV

操作步骤 #

1. 批量导入文件夹内PDF #

打开Excel，走「数据」→「获取数据」→「从文件」→「从文件夹」，选目标文件夹后点「转换数据」进入Power Query编辑器。

2. 提取所有PDF的表格数据 #

添加自定义列，输入公式：

=Table.FromRecords(Pdf.Tables([Content])[Data])

点击该列右侧的展开按钮，选择「展开到新行」，将所有PDF的表格数据合并——此时列数混乱、空单元格较多属于正常现象。

3. 清理数据+逆透视统一结构 #

• 删除空列：右键列名选择「删除」，或者通过「转换」→「删除列」→「删除空列」批量清理。
• 选中所有列，点击「转换」→「逆透视列」→「逆透视其他列」。这一步会把分散在多列的内容转成「属性」和「值」两列，所有文本、金额都会归集到「值」列中。

4. 拆分文本与金额列 #

• 添加自定义列判断内容是否为金额，公式：

=try Value.Is(Value.FromText([Value]), type number) otherwise false

将该列命名为「是否金额」。

• 筛选「是否金额」为true，把「值」列重命名为「金额」；再筛选false，把「值」列重命名为「文本」。
• 给两个表都添加「索引」列（「添加列」→「索引列」），然后按索引合并两个表——确保每一行文本对应一行金额。

5. 收尾导出CSV #

删除无用列（如「属性」「是否金额」「索引」），检查数据对应无误后，点击「关闭并上载」→ 选择「仅创建连接」，右键连接→「加载到」，选择CSV格式完成导出。

小技巧 #

如果PDF内是严格的「文本列+金额列」交替排列（如列1文本、列2金额、列3文本...），无需写判断公式，直接给逆透视后的表加索引，用Number.Mod([索引],2)=0标记金额行，操作更高效。

内容的提问来源于stack exchange，提问作者bjr