Převod souboru PDF do MDB

Starší aplikace Microsoft Access může vyžadovat soubor .mdb, zatímco dostupná zdrojová data existují pouze ve formátu PDF. Protože PDF ukládá obsah stránek, nikoli schéma databáze, spolehlivý postup spočívá v extrahování záznamů do Excelu nebo CSV a jejich importu do Accessu.

Co je formát PDF

PDF je dokumentový formát s pevným rozvržením používaný pro faktury, sestavy, formuláře, příručky, výpisy a tiskové exporty. Adobe Acrobat, Microsoft Word, webové prohlížeče, skenery, účetní systémy a aplikace pro tvorbu sestav vytvářejí a zobrazují soubory PDF.

PDF může obsahovat vybraný text, fragmenty textu umístěné na konkrétních pozicích, vektorové grafické prvky, vložené tabulky nebo naskenované obrazy stránek. U skenu je před extrahováním textu nutné použít OCR, které může nesprávně rozpoznat znaky, desetinné oddělovače, data, znaménka minus a sloučené buňky.

Co je formát MDB

MDB je formát databáze Microsoft Access spojený s Access 2003 a staršími verzemi. Novější desktopové verze Accessu mohou soubory MDB otevírat a vytvářet kvůli kompatibilitě, jejich výchozím formátem je však .accdb. Databáze MDB může obsahovat tabulky, relace, dotazy, formuláře, sestavy, indexy a moduly VBA.

MDB je vhodný, pokud starší aplikace vyžaduje tuto příponu nebo pokud extrahované záznamy potřebují relační dotazy, filtrování, úpravy a indexování. Pokud to cílové prostředí podporuje, použijte ACCDB, protože MDB postrádá některé novější funkce Accessu a používá starší databázový engine.

Jak převést data do MDB

1. Extrahujte tabulky. V Adobe Acrobat Pro použijte Convert → Microsoft Excel nebo Export a PDF → Spreadsheet → Microsoft Excel Workbook podle verze. Able2Extract Professional poskytuje větší kontrolu nad výběrem tabulek, hranicemi sloupců a OCR. Tabula je bezplatná desktopová možnost pro textová PDF a umožňuje exportovat vybrané tabulky do CSV.
2. Spusťte OCR pro naskenované stránky. V Acrobatu zvolte Scan & OCR → Recognize Text a poté výsledek exportujte. Zkontrolujte extrahované hodnoty, místo abyste předpokládali, že OCR zachovalo zdroj přesně.
3. Vyčistěte exportovaný soubor. Otevřete XLSX nebo CSV a odstraňte opakující se záhlaví stránek, zápatí, řádky mezisoučtů, prázdné řádky a text poznámek pod čarou. Uspořádejte jedno pole do každého sloupce a jeden záznam do každého řádku. Používejte stabilní názvy, například InvoiceID, InvoiceDate a Amount. Pokud obsahuje znaky mimo ASCII, uložte vyčištěný CSV soubor jako UTF-8.
4. Vytvořte databázi. V Microsoft Access vytvořte prázdnou databázi. Pokud je vyžadován formát MDB, zvolte File → Save As → Access 2002–2003 Database (*.mdb). Pokud tato možnost v nainstalované verzi Accessu není dostupná, vytvořte soubor pomocí kompatibilní desktopové edice Accessu, místo abyste přejmenovávali soubor ACCDB.
5. Importujte extrahovaná data. Pro XLSX zvolte External Data → New Data Source → From File → Excel nebo pro CSV External Data → New Data Source → From File → Text File. Vyberte Import the source data into a new table, označte, že první řádek obsahuje názvy polí, a zkontrolujte rozpoznaný datový typ každého sloupce.
6. Definujte tabulku. V zobrazení Table Design nastavte primární klíč nebo přidejte klíč AutoNumber, pokud zdroj neobsahuje spolehlivý jedinečný identifikátor. Pro identifikátory, které mohou obsahovat úvodní nuly, použijte Short Text, pro data Date/Time, pro peněžní částky Currency a pro množství vhodné číselné typy. Do polí používaných pro vyhledávání nebo spojování přidejte indexy.
7. Importujte další tabulky samostatně. Pokud PDF obsahuje zákazníky, faktury a položky faktur, extrahujte každou logickou tabulku do vlastního listu nebo souboru CSV. Importujte je samostatně a relace vytvořte až po ověření, že hodnoty klíčů odpovídají.

Online služby, jako jsou Adobe Acrobat online PDF-to-Excel, Smallpdf a PDFTables, mohou vytvořit mezilehlý soubor XLSX nebo CSV, ale nespolehlivě generují správně strukturovaný MDB. Nahrávejte pouze dokumenty, které neobsahují citlivé údaje; místní zpracování pomocí Acrobatu, Able2Extract nebo Tabula zabrání odesílání faktur, osobních údajů či regulovaných záznamů třetí straně.

Omezení kvality a kompatibility

Pro libovolné stránky PDF neexistuje spolehlivý jednokrokový převod na platnou databázi Access. PDF obvykle nezachovává datové typy polí, primární klíče, relace, vzorce ani hranice tabulek ve formě, kterou by Access dokázal obnovit. Sloupce se mohou posunout, tabulky se mohou sloučit a opakovaná záhlaví mohou být importována jako záznamy.

Porovnejte počet importovaných řádků se zdrojem, zkontrolujte součty a namátkově ověřte data, identifikátory, měnové hodnoty a znaky s diakritikou. PDF chráněná heslem, poškozená PDF, PDF obsahující pouze obrazy a silně formátovaná PDF mohou vyžadovat ruční přepis nebo specializované OCR a extrakci tabulek.

Databáze MDB má maximální velikost souboru 2 GB a starší limity objektů a polí. Výsledný soubor otestujte v přesném starším programu, který jej bude otevírat, včetně požadovaných ovladačů Accessu a příslušné verze. Neměňte název souboru .accdb na .mdb; tyto formáty mají odlišné interní struktury.