业务系统导入前，如何先把 PDF 和图片资料整理成可复核 Excel

很多系统导入项目卡住，不是因为 Excel 模板还没发下来，而是原始资料还散落在 PDF、扫描件和图片里：同一个字段有多种写法，找不到来源页，或导入前才发现日期、金额、编号的格式并不一致。

这时先建立一份可复核 Excel，能把“资料整理”和“系统导入”拆成两个可检查的阶段。前者关注字段、来源和状态；后者再处理系统字段映射、接口、权限和业务规则。两件事分开，问题才更容易定位。

1. 不要把导入模板当成原始资料的替代品

业务系统的导入模板通常只关心最终列名和格式，但原始资料还需要保留它来自哪份文件、哪一页、是否已经确认。若一开始就把内容填进最终模板，发现异常时很容易失去回查路径。

更稳妥的做法是先准备一张整理表，把“来源定位”和“复核状态”作为正式字段。之后导入系统时，再从已确认的列中生成或复制所需数据。

这张整理表不是多做一张表，而是给后续导入留一层可解释的缓冲。有人接手、模板变化或发现数据问题时，都能回到原始资料确认。

2. 先锁定字段字典和格式规则

在处理资料前，和后续使用 Excel 的人先确认字段字典：每列叫什么、从什么位置取值、日期和金额使用什么格式、空值和异常怎么表示。字段字典不必很复杂，但必须足够明确，让不同资料按同一规则整理。

例如，某个日期字段是“文件日期”还是“业务生效日期”，某个编号是页面上最醒目的编号还是系统要求的业务编号，必须事先说清。否则即使每一条都被提取出来，也可能不是后续流程真正需要的数据。

💡Excel 是整理层，不是系统接入承诺
在这一步确认的是字段、来源和人工复核结果；接口映射、业务校验和实际写入仍属于后续系统项目。

3. 让文件批次和表格记录对应起来

准备资料时，先按业务批次、时间范围或资料类型建立文件夹，再给文件采用稳定名称。一个文件可以包含多页，但 Excel 中至少要能记录它的来源文件和页面定位。

当 PDF、图片和扫描资料被整理为清晰的批次后，再按已确认的字段清单处理。文档工作台可导入图片、PDF 或文件夹，按预先定义的字段整理结果；先用小批量资料验证字段规则，再处理全部资料，通常更容易发现问题。

图 1：原始资料先按批次整理，再进入字段提取流程。图片来自文档工作台客户端。

4. 字段结果必须回到原始页面核对

字段提取的价值在于先把需要确认的信息集中出来，而不是省略确认。对于日期、编号、金额和主体名称等字段，应回到原始页面检查位置和上下文，尤其注意相似字符、同页多个候选值和模糊扫描件。

图 2：确认字段时，需要保留原始页面作为复核依据。图片来自文档工作台客户端。

可以把检查结果明确写入表格：已确认、待复核、需补件或不适用。不要为了让导入文件没有空值而猜测填写；空值加状态，比一个无法解释的值更利于后续排查。

5. 导出前检查四件事

完成原件核对后，将字段结果导出为 Excel。交接给系统导入流程前，建议先检查以下四件事：

1. 每条记录是否都能由 Excel 定位到来源文件和页面。

2. 必填字段是否按字段字典填写，空值是否有状态说明。

3. 日期、金额、编号等格式是否在同一批次中一致。

4. 待复核和需补件记录是否已从可交接数据中单独标出。

图 3：导出 Excel 后，继续检查来源、字段和复核状态再交给下游。图片来自文档工作台客户端。

这些检查通过后，Excel 才适合作为后续字段映射或系统导入的输入。至于具体怎样对接接口、怎样写入系统、怎样处理业务规则，仍需由相应的系统方案和验收流程决定。

6. 用样本先确认资料是否可整理

开始前可以选一小批最典型的 PDF 和图片，测试字段字典是否够用、资料是否清晰、异常能否被定位。通过样本验证后，再扩大处理范围，能避免把不一致的规则带进整批数据。

不想自行配置 OCR 环境，只需要按字段整理出可复核 Excel 的读者，可以使用文档工作台。下载入口：夸克夸克