ノウハウと実践的な解決策

まず明細の種類を確認

テキストPDFかスキャンか確認します。テキストは直接抽出、スキャンはOCRが必要です。

表線付きPDF：直接抽出

多くの明細には罫線があります。表を検出し、空セルを整理し、繰り返しヘッダーを除去します。

Date        | Description      | Debit   | Credit  | Balance
2026-07-03  | ACME PAYROLL     |         | 4,500.00| 14,500.00
2026-07-05  | OFFICE RENT      | 2,400.00|         | 12,100.00

表線なしPDF：文字座標で解析

位置だけで整列された明細は、行を分割し文字座標で列を判定します。

2026-07-11  SUPPLIER PAYMENT  3,150.00          15,750.00
2026-07-15  ATM WITHDRAWAL      500.00          15,250.00
2026-07-18  REFUND - TAX                   220.50 15,470.50

スキャン：OCRが必要

スキャンには画像しかありません。OCRを先に実行する必要があります。

出力の安全性：金額と数式

外部PDF由来の文字列を数式として実行しないよう対策し、CSVはUTF-8 BOMを使用します。

例：0行と認識される理由

主な原因はスキャン、画像ページ、セキュリティツールです。OCR追加やPDF再生成で解決します。