表を直すときは、各値を元のPDFの行名、列見出し、単位と照合します。見た目が整った表でも、正しい数値が別の項目に結び付いていることがあります。
編集する前に崩れ方を特定する
PDFの表では、文字がセルではなく座標で配置されていることがあります。pypdfの文書はこの抽出上の難しさを説明しています。枠が失われたのか、値がずれたのか、セルが複数行に分かれたのか、文字が欠けたのかを区別してください。
元の表と出力で一行を最後まで読み、次に数値の列を上から下へ比較します。空欄はゼロではありません。横線も必ずしも欠損値を表しません。
小さな表を原本から組み直す
- Markdownのコピーを作り、出典ページを記録してPDFを横に開きます。
- 単位、期間、通貨を含めて列見出しを書きます。元の一行にMarkdownの一行を対応させます。
- 各値を元の見出しの下に置きます。結合された項目名は、対象の全行に適用されると原本で分かる場合だけ繰り返します。
- 合計、マイナス記号、小数点、注記番号を確認し、実際に使うエディターでプレビューします。
意味を保てる表現を選ぶ
「北部 / 12 / 保留」は「地域 / 数量 / 状態」に対応させます。「北部 / 保留 / 12」でもMarkdownの構文は成立しますが、データの対応は壊れています。整列より先に対応関係を直してください。
階層的な見出しや長い注記は、項目名付きのレコードに分ける方が読みやすい場合があります。利用先が対応するならHTML表も選べます。表題と脚注を残し、読めない値は合計から推定せず要確認と記します。
使う前に結果を確認する
変換結果は作業用のコピーです。元のPDFを残し、引用、計算、AIへの入力に使う箇所を照合してください。書き出しが成功しても、内容の完全性や正確性が確認されたわけではありません。
MD FactoryはWindowsで文書をMarkdownに変換します。複雑なPDF表には配置に基づく推定を使うため、結合セルや複数行のセルは手直しが必要になることがあります。OCRの精度は元の画像と文字によって異なります。このガイドは自動清掃や特定の認識精度を保証しません。
よくある質問
OCRで表構造も復元できますか？
OCRは画像の文字を認識します。どのセルに属するかは別に確認する必要があります。
AIに空欄を埋めてもらってよいですか？
転記を確認してから書式の提案を求めてください。架空の値を加えるのは修正ではありません。
出典と確認
出典確認日：2026年11月3日。ここで説明するのは手動の確認作業であり、MD Factoryの追加操作機能ではありません。