如何从 PDF 提取 T5008 数据并导入 Excel（一步一步详细说明）
很多人在准备报税资料时，会遇到一个非常常见的问题：券商提供的 T5008 通常是 PDF 文件，而不是 Excel 表格。
如果只是查看数据，PDF 没有什么问题。但如果我们需要计算总额，例如统计：
- Box 20 — Cost or book value
- Box 21 — Proceeds of disposition
那么 PDF 就会变得不太方便，因为我们无法直接在 PDF 中进行汇总计算。
因此，一个常见的做法就是：把 PDF 中的数据提取出来，然后导入 Excel。
很多 T5008 PDF 中的数据结构看起来类似下面这样：
如果我们只是想要计算总额，其实真正需要的只有两列数据：
- Box 20 — Cost or book value
- Box 21 — Proceeds of disposition
下面介绍几种常见方法。
方法一：使用 AI 生成 CSV 文件
最简单的方法之一，就是让 AI 帮我们把数据转换成 CSV 文件。
基本步骤如下：
- 打开 PDF 文件
- 把表格内容复制出来
- 粘贴到 AI Agent（例如 ChatGPT、Claude 等）
- 让 AI 把这些内容转换成 CSV 文件
- 下载 CSV 文件
- 在 Excel 中打开 CSV
- 对 Box 20 和 Box 21 进行汇总
这种方法通常比直接把整个 PDF 上传给 AI 更可靠，因为：
- AI 处理纯文本比处理 PDF 更准确
- 减少了版式解析错误
不过需要注意的是：
AI Agent 并不总是可靠。
即使是看起来非常简单的任务，AI 也有可能：
- 遗漏某几行
- 误识别某些数字
- 改变列顺序
因此，如果数据比较重要，仍然建议人工检查。
方法二：使用 Notepad++ 手动处理（更稳定）
如果你希望有更高的可靠性，一个非常实用的工具是 Notepad++。
Notepad++ 是一个免费的文本编辑器，非常适合处理结构化文本。
基本步骤如下：
- 从 PDF 中复制表格内容
- 粘贴到 Notepad++
- 打开一个显示功能
这个功能的作用是：显示隐藏字符。
打开之后，你会看到：
- 空格
- Tab
- 换行符
这样我们就可以看清楚数据到底是如何分隔的。
很多 PDF 导出的文本，其实是通过 多个空格 来分隔列的。
如果分隔比较规则，我们甚至可以直接用 Space 作为分隔符导入 Excel。
如果数据比较乱怎么办？
有时候 PDF 导出的文本会出现各种问题，例如：
- 有的地方是多个空格
- 有的地方是 Tab
- 有的地方两者混在一起
这时候就需要用到 Notepad++ 的替换功能。
在实际操作中，把所有分隔符统一替换为 Tab 通常是最好的选择。
例如：
如果空格和 Tab 混在一起，可以使用：
注意：这些替换规则需要在 Notepad++ 的 Search Mode → Regular expression 模式下使用。
现在有了 AI，这些正则表达式其实也很容易生成。
如果不确定写法，可以直接让 AI 设计或者解释。
一个小技巧：只复制需要的列
如果你只需要 Box 20 和 Box 21，其实还有一个更快的方法。
很多浏览器和 PDF 阅读器支持 矩形选择。
常见方法是：
- 按住 Alt
- 用鼠标拖动
- 选择一整列数据
这样可以只复制某一列，而不是整张表。
不过不同系统和浏览器的操作可能不同，有时候需要使用其它组合键。
实例：删除 BUY 行，只保留 SELL 行
例如，在这个 PDF 中还有一只股票 ORLA MNG LTD NEW COM 的交易记录。
所有原始数据已经整理到这个 TXT 文件中：
假设我们只想保留 SELL 交易。
可以在 Notepad++ 中使用下面的正则表达式：
这样所有包含 BUY 的行都会被匹配。
替换之后，这些行会变成空行。
然后再使用 Notepad++ 的：
- 去空行功能
即可清理掉这些行。
如果想一步完成，也可以直接使用：
这个表达式会直接删除整行。
最后一步：导入 Excel
当所有分隔符都已经统一为 Tab 或 Space 后，就可以导入 Excel。
Excel 会自动把每一列识别为一个字段。
之后就可以：
- 对 Box 20 求和
- 对 Box 21 求和
- 进行进一步计算
为什么不建议直接把整个 PDF 交给 AI？
很多人会尝试把整个 PDF 文件直接上传给 AI。
理论上 AI 可以解析 PDF，但在实际使用中，经常会遇到问题，例如：
- 表格结构识别错误
- 数据顺序被打乱
- 某些行被忽略
如果 PDF 页数很多，这些错误往往很难发现。
最后反而需要逐行检查。
因此，在很多情况下：
先把 PDF 转换为简单文本，再进行处理，会更加可靠。
No comments:
Post a Comment