把 PDF 丢给 Claude 让它抽表格，拿到的东西形式上是张表，但列错位一格、本该分开的行合并了、或者数值落到错的表头下面。视觉上看着挺像那么回事，对一下源文件才发现问题。这是 PDF 工作里最常见的失败模式之一，原因是绝大多数 PDF 把表格存成「按坐标摆好的文本块」、没有显式的行列元数据——Claude（其实所有 PDF 工具都一样）只能从坐标推断网格，排版稍有古怪就会推错。源文件和 prompt 两边都有靠谱的绕过办法。
常见原因
按底层成因的命中率从高到低。
1. PDF 把文本存成坐标位置、没有真正的表结构
绝大多数 PDF（尤其是 Word、PowerPoint、扫描件导出的）按 xy 坐标摆文字。没有「第 3 行第 2 列」这种标记。Claude 靠间距推网格，间距不规则就推错。
怎么判断：用 Preview 或 Acrobat 打开 PDF，试着只选中一个单元格。如果一拖就选了整行，说明 PDF 没有表结构。
2. 合并单元格和多行单元格让行检测乱套
跨两行的单元格、或者一个单元格里塞了一段折行文字，行推断就模糊了。Claude 要么把相邻行合并、要么把一行拆成两行。
怎么判断：数源文件的行数和 Claude 输出的行数。差 1 或差 2 就是这个特征。
3. 表头视觉上是表头、结构上没标记
表头那行用加粗显示，人看是表头，PDF 存的方式跟其他数据行一模一样。Claude 可能把表头当数据行处理或者直接丢掉。
怎么判断：看 Claude 输出第一行是列名还是数据。
4. 扫描件 OCR 出错
图片型 PDF 先经过 OCR 再抽取。OCR 错误（1 vs l、0 vs O、小数点 vs 逗号）直接传染到表格里。OCR 排版没对齐也会让列推断挂掉。
怎么判断：PDF 是扫描的还是原生数字的？在文档里搜任意一个词，搜不到说明是扫描件、做过 OCR。
5. 多列页面排版被当成一张大宽表
有些报告用两栏排版。Claude 可能横跨整页读、把无关的列合到一起。
怎么判断：打开 PDF 看页面排版。两栏报纸式排版、中间有空隙，就是这个原因。
6. 数字格式（括号负数、货币符号）
会计 PDF 经常用 (1,234) 表示负数、$1,234.56 表示货币。Claude 可能不一致地剥符号、或者把负数当正数。
怎么判断：抽几个数和源文件对一下。符号错、货币丢，就是这个特征。
开始前
- 想清楚最终需要什么形式：CSV、JSON、Markdown 表、纯文本叙述，prompt 写法不一样。
- 有原始 Excel 或 CSV 就直接用，从 PDF 抽永远有损失。
- prompt 前先用 Acrobat 或 Preview 打开 PDF 看一下结构。
需要收集的信息
- PDF 的页数和表格数。
- PDF 是数字原生还是扫描。
- 列数、行数、有没有合并单元格。
- Claude 输出里正确的行和错误的行各举一例。
- 页面排版（单栏、多栏、横向）。
- PDF 是用什么工具生成的（Word、LaTeX、扫描仪）。
一步一步修复
Step 1：先看 PDF 源结构
Acrobat 或 Preview 打开。试着选中一个单元格。一拖就选整行，那就是没有表结构、抽取要靠坐标推断。先把预期摆正。
Step 2：prompt 里写明表格结构
提前告诉 Claude 表格形态：「第 4 页的表有 5 列：Name、Date、Region、Revenue、Margin。把所有行抽成 CSV，按这个表头顺序。数字可能用括号表示负数，请保留为负数。」明确结构对准确率提升非常大。
Step 3：先抽一行验证
让它：「读第 4 页表格的第 7 行，每个单元格单独一行输出、前面带列名。」强制让 Claude 锚到结构而不是粗扫。
Step 4：复杂表格先用专门工具抽、再让 Claude 清洗
复杂表先用 Tabula、Camelot、AWS Textract 抽一遍。把 CSV 贴给 Claude 让它清列对齐、校验数字格式。比让 Claude 从原始 PDF 抽靠谱得多。
Step 5：多栏页面先拆栏
页面是两栏的话，先转成单栏。Acrobat：Export PDF → Single column layout。或者人工把页面从中间一分为二再丢给 Claude。
Step 6：随机抽 3 行对源验证
挑第 3 行、第 15 行、最后一行。和源 PDF 一格一格比对。错误的规律（每行差一格、表头互换）能指向系统性问题、prompt 里就能修。
Step 7：会计 PDF 在 prompt 里锁死数字格式
加：「(1,234) 当作 -1234，$1,234.56 当作数字 1234.56 和货币 USD。输出两列：amount、currency。」消除数字解析歧义。
怎么验证修好了
- 输出表头和源文件表头一字不差。
- 输出行数和源文件行数对得上。
- 随机三行一格一格比对都对。
- 数字总和（如果有）能和源文件合计对上。
长期预防
- 内部报告 PDF 旁边同步发一份 CSV，下游就能完全跳过抽取。
- 扫描件先用高质量 OCR（Acrobat Pro、ABBYY）跑一遍再丢给 Claude。
- 任何可能被机器读的文档都别用两栏排版。
- 处理财务或科研数据的 Project 加自定义指令：「抽表格之前先把推断出的表头回显一次让用户确认。」
- 重复性流程里搭一个 Tabula 或 Camelot 预抽取步骤，把干净 CSV 喂给 Claude。
容易踩的坑
- 拿到 Claude 抽出来的表不验证就用。错误通常是系统性的、不是随机的。
- 直接问「把表给我」、不指定列。Claude 会自己推、经常推错。
- 把扫描件直接贴进去就指望 OCR 级质量。先单独做一次 OCR。
- 忘了合并单元格和脚注行会把抽取搞乱。
- 不告诉 Claude 怎么解析括号负数，就直接当正数处理。
常见问答
- 为啥列差一格？ 一般是表头那个单元格折成两行了，或者第一列异常宽把坐标推断带偏。
- Claude 能读扫描 PDF 吗？ 能，内置 OCR。质量看扫描分辨率。关键内容先用专门工具做一次 OCR。
- 抽什么格式最稳？ CSV，prompt 里显式写表头。Markdown 表好看但回灌时有损失。
- 模型版本有差吗？ 有，新模型处理排版推断明显更好。表格密集的活用最新 Opus 或 Sonnet。
- 跨多页的表要不要拆？ 特别宽或特别长的表要拆，每页一条 prompt，Excel 里再拼回去。
- 有硬性大小上限吗？ Web 上传单 PDF 软上限约 100 页。超出就拆开。