[ 파워쿼리 ] PDF 파일 데이터 가져오기

파워쿼리를 이용한 PDF에서 데이터를 가져오는 것을 알아보도록 하겠습니다.

가끔 데이터를 엑셀, csv 파일이 아닌 PDF 파일로 주는 경우가 있습니다.

이때 사용할 수 있는 방법입니다.

아래와 같이 일자별 데이터가 pdf파일 형식의 데이터가 있습니다.

요즘에는 다양하게 PDF를 추출하는 방법들이 있어서 해당 항목을 데이터로 전환할 수 있겠지만 

테이블 형식이기 때문에 파워쿼리를 이용한 추출을 진행해 보도록 하겠습니다.

---

 

 

[ 데이터 ] - [ 파일에서 ] - [ PDF에서 ]를 클릭 해 보도록 하겠습니다.

파일에서의 옵션 중에서

Excel, CSV, 폴더에서, SharePoint 폴더에서, 그리고 PDF 파일

순서로 사용 빈도가 있을 거 같습니다.

 자주 사용하지 않지만 알아두면 매우 유용할 것이라고 생각합니다.

 

 

탐색 창을 살펴보도록 하겠습니다.

Table001(Page 1), Table002 (Page 2), Page001, Page002의 4가지 항목이 나오는 것을 볼 수 있습니다.

Excel이었으면 아마 Sheet 명이 생성이 되었을 것입니다.

 

Table은 엑셀에서의 표

Page001은 엑셀에서 Sheet라고 생각하시면 좋을 것 같습니다.

저는 Table을 가지고 작업을 해 보도록 하겠습니다.

반응형

 

[ 데이터 변환 ]을 눌러서 파워쿼리 편집기로 해당 데이터를 불러오도록 하겠습니다.

분명히 11월 1, 2일 실적이 나와야 하는데 하나만 나오는 것을 볼 수 있습니다.

 

엑셀에서와 마찬가지로 Sheet를 합친다는 생각으로 원본으로 이동해 보도록 하겠습니다.

[ 파워쿼리 ] 엑셀 시트 데이터 합치기

728x90

Kind가 Table 형식과 Page 형식이 있는데 Table 형식으로 작업을 하려고 하였으니 

Kind를 Table로 필터를 진행해 보도록 하겠습니다.

 

아래와 같이 Table 형식만 남는 것을 볼 수 있습니다.

 

1, 2일의 값이 각각의 테이블에 들어와 있는 것을 볼 수 있습니다.

※ Page를 선택해도 같은 결과를 얻으실 수 있습니다.

 두 개의 차이점이 있지만 여기서는 언급하지 않고 넘어가겠습니다.

 

제 앞의 글을 보면 제가 가장 좋아하는 함수인

Table.TransformColumns를 사용하면 첫 행을 머리글로 올려서 작업할 수 있기 때문에 

확장하기 전에 머리글을 올려 줍니다.

아래와 같이 수식을 입력해 주니 아까와는 다르게 첫 행을 모두 헤더로 사용하는 것을 볼 수 있습니다.

 

아래와 같이 확장을 해 주도록 하겠습니다.

그리고 닫기 및 로드를 눌러서 표로 출력해 보도록 하겠습니다.

 

아래와 같이 PDF에서 데이를 가져온 것을 확인할 수 있습니다.

 

 

VS. 헤더를 올리지 않고 작업을 하면 불편한 점은 무엇일까요? 다시 헤더를 사용하지 않은 상황으로 돌아가 보도록 하겠습니다. 이 상태에서 바로 확장을 해 보도록 하겠습니다. 컬럼명이 아닌 Column 형식의 이름이 생성되어 있습니다. 확장 후 첫행을 머리글로 사용을 눌러 주도록 하겠습니다. 그리고 닫기 및 로드를 눌러 보도록 하겠습니다. 아래와 같은 결과가 나옵니다. 중간에 불필요한 항목이 있는 것이 보이십니까? 필터링을 마지막에 한번 더 해줘야 하는 불편함을 줄 일 수 있습니다. 그리고 가장 중요한 것을 추후에 빅데이터를 관리할 때 해당 항목으로 인한 결과가 제대로 나오지 않아 원인을 찾을 때 상당한 시간이 소요될 수 있습니다.