直接把 PDF 發票轉成 Excel 夠不夠？

對於一張乾淨、數碼、單一供應商的發票，轉換工具可以行得通。但一遇上掃描或影相的發票、或者多種供應商版式，它就會失效，因為它是逐個位置複製文字，而不是理解哪個數字是總額、哪個是逐行明細。這正是為甚麼大部分應付帳團隊需要的是抽取加驗證，而不是一個轉換工具。

自動發票數據抽取有幾準？

視乎輸入。結構化、由 ERP 產生的發票可達 95–99% 欄位準確率；不同供應商版式大約 85–95%；掃描或手寫發票則接近 70–85%。真正重要的不是模型的準確率，而是有幾多張發票可以在無需人手檢查下入帳。

一張發票可以抽取到甚麼數據？

標題欄位，例如供應商名稱、發票號碼、日期、PO 號碼、稅項和總額，再加上逐行明細表（描述、數量、單價、金額）。做得好的系統會把逐行明細與標題連在一起，讓總額可以與明細加總互相核對。

你是否仍然需要人手參與？

是，針對存疑的個案。目標不是完全不要人，而是讓系統把它有信心的發票入帳、只把低信心的送給人手，這樣一個覆核者處理例外，而不是逐張輸入。

如何自動從 PDF 發票抽取數據

要自動從 PDF 發票抽取數據，你需要把每份檔案經過三層：OCR 把頁面上的字讀出來、欄位抽取把正確的數字對應到正確的欄位（供應商、發票號碼、日期、逐行明細、總額），再加一層驗證，在數據進入帳目之前先核對一次。少了第三層，你得到的只是又快又靜靜地出錯的資料輸入。這正是大多數指南略過的一環。

以下就談談，由「PDF 放進去」到「乾淨數據出來」之間到底發生甚麼事，以及如何得出無需逐張人手檢查、也信得過的數字。

自動發票抽取到底做甚麼

發票是一種人容易讀、電腦不容易讀的文件。自動抽取靠四步，把它變成結構化欄位：

擷取。 把 PDF 收進來，無論它是經電郵、上載，還是掃描器而來。
OCR。 光學字元辨識把頁面上的文字讀出來，包括掃描件和相片，並產生一個帶有每個字位置的文字層。
欄位抽取。 這才是真正的工作：判斷「這個」數字是發票總額、「那個」字串是供應商，中間那一塊是帶有數量、單價和金額的逐行明細表。現代抽取會用上下文，所以能分得出發票日期和到期日。
匯出。 把結構化結果推進 Excel、Google Sheets、QuickBooks、Xero 或你的 ERP，準備做編碼和對數。

做得好的話，這對一個應付帳團隊可以把人手輸入減少 80–90%。但這個數字的前提，是抽取夠準、準到可以信任，而這剛好就是發票變得棘手的地方。

為甚麼單純的 PDF 轉 Excel 工具並不夠

「直接用個轉換工具」會失敗，原因是大部分發票堆並不乾淨。有兩樣東西會破壞這種簡單做法。

掃描和影相的發票。 一個靠讀取數碼 PDF 文字層的轉換工具，當「PDF」其實是一張紙本發票的相片時，就無字可讀。這時你就完全依賴 OCR 的質素，而歪斜、陰影和低解像度全都會蝕掉你的準確率。

每一家供應商的版式都不同。 一家中型公司收 200 家供應商的發票，就是在應付大約 200 種版式。總額在每張上都在不同位置。稅項有三種不同寫法。逐行明細表的欄位各異。一個逐位置複製文字的轉換工具跟不上，因為它從不學會一個欄位「代表甚麼」，只知道它在某一個範本上坐在哪裡。

所以老實的問法不是「哪個轉換工具最好」，而是「你的發票有多亂，你在 OCR 之後放甚麼去捉住它的錯」。

準確率可以有幾高？

2026 年實際的欄位級準確率，完全取決於輸入：

結構化發票（ERP 產生、版式一致）：開箱即用 95–99%。
半結構化（多種供應商版式）：85–95%，在最初幾星期隨訓練而改善。
非結構化或手寫：70–85%，存疑欄位仍然需要人手。

供應商、發票號碼和總額這類標題欄位通常做到 98–99%；棘手的是逐行明細表，最好的工具大約落在 95–97%。我們在發票 OCR 到底有幾準一文，完整拆解過這些數字在實戰中代表甚麼。

重點是，就算 95% 準確率，也代表每二十個欄位有一個是錯的。在一張有十幾個欄位的發票上，那就等於大部分文件都有一處真實的錯。單靠準確率不會令輸出可以安全入帳。驗證才會。

數碼 PDF 定掃描影像？分別很大

不是所有 PDF 都一樣，而這個分別，決定了抽取有多難。數碼 PDF（直接由供應商的會計系統匯出）自帶一個真正的文字層，數據本身已可被機器讀取，準確率因此很高。掃描或影相的 PDF，只是一張頁面的影像；底下沒有文字，於是一切取決於 OCR 有沒有把像素讀對。有個快速測試：如果你可以在檔案裡選取並複製文字，它就是數碼的；不能的話，它就是影像。大部分真實的發票收件匣，都是兩者混合，這正是為甚麼一個只處理乾淨數碼 PDF 的工具，第一天就會倒下。要為掃描件做好準備，因為它們才是製造錯誤的那些。

如何得出真正可以入帳的數字

由「抽取到」跳到「信得過」，靠的是一層夾在抽取與帳目之間的驗證。三項檢查做了大部分的工：

與你已有系統交叉比對。 如果發票有引用 PO，就把逐行明細和總額與它對數。兩個獨立來源一致時，信心就高；不一致時，你就找到了那條需要人手的行。
業務規則。 總額必須等於逐行明細加總。稅項必須落在預期範圍。日期不可能早過 PO。大多數抽取錯誤一出現就違反了其中一條規則。
信心評分。 每張發票都有一個分數。高信心的直接入帳；低信心的送去覆核。

那個信心步驟就是整場遊戲的關鍵。這與我們在對數自動化要做到 97% 準確率，關鍵在哪所講的空運提單對數，是同一個原則：系統知道自己甚麼時候沒把握，並只把那些升級處理。你追求的不是一部永不出錯的機器，而是改變那個比例，讓一個覆核者處理那 10–20% 真正存疑的發票，而不是把 100% 的發票重新輸入。

如何在不買平台的情況下開始

你不需要一個六位數的平台去試這件事。由窄處開始：

選你單量最大的供應商。 先自動化你最常見的那一種發票版式。它最容易做準，回報也最即時。
在你自己的文件上量度真實準確率， 而不是看供應商的示範。追蹤有幾多張發票在無人碰過下就入了帳。
一次擴一種版式， 邊做邊加驗證規則，慢慢摸清錯誤藏在哪。

如果你想在投入前先估算回本，我們的文件自動化 ROI 計算器可以把你的發票單量和輸入時間，換算成一個以小時和成本計的估算。而如果你寧願我們直接看你真實的發票流程、老實告訴你哪裡值得自動化、哪裡不值得，那正是免費的 30 分鐘 ROI 診斷要做的事。

抽取只是這個問題最容易的 8 成。你在它背後建起來的那層驗證，才決定這些數字值不值得信。