Chào các anh em trong diễn đàn,
Dạo này mình đang làm việc nhiều với các file PDF chứa thông tin dạng bảng, và việc copy-paste thủ công để đưa dữ liệu vào Excel thực sự tốn thời gian và dễ sai sót. Mình biết Power Query có khả năng xử lý dữ liệu từ PDF, nhưng các bài viết trước chủ yếu tập trung vào file Excel hoặc file văn bản thuần túy.
Gần đây, mình có mày mò và tìm ra cách để tự động hóa việc trích xuất dữ liệu từ các bảng có sẵn trong file PDF. Cách này khá hiệu quả với những file PDF mà cấu trúc bảng không thay đổi quá nhiều.
Cụ thể, mình dùng chức năng Get Data > From File > From PDF của Power Query. Sau khi chọn file PDF, Power Query sẽ hiển thị danh sách các bảng mà nó nhận diện được. Chỉ cần chọn đúng bảng cần lấy, sau đó dùng các công cụ transform của Power Query để làm sạch và chuẩn hóa dữ liệu (ví dụ: loại bỏ dòng header thừa, đổi tên cột, chuyển kiểu dữ liệu...).
Mình thấy phương pháp này rất hữu ích cho các báo cáo định kỳ, hóa đơn, hoặc bất kỳ tài liệu nào mà thông tin được trình bày dưới dạng bảng. Nó giúp tiết kiệm đáng kể thời gian so với việc làm thủ công.
Có anh em nào đã từng áp dụng cách này hoặc có kinh nghiệm gì thêm với việc xử lý dữ liệu PDF bằng Power Query không? Cùng chia sẻ để mọi người cùng học hỏi nhé!