Faktury PDF do Excela: jak wyciągnąć dane z faktur i skanów

Aby przenieść faktury PDF do Excela w formie przydatnej księgowo, wyodrębnij dane do stałych kolumn: sprzedawca, NIP, numer faktury, data wystawienia, data sprzedaży, termin płatności, kwoty netto, VAT i brutto, stawki oraz pozycje. Przy każdym wierszu zachowaj odniesienie do pliku źródłowego i strony, a przed importem lub księgowaniem sprawdź sumy (netto + VAT = brutto) i zgodność stawek. Dopiero taki arkusz nadaje się do dalszej pracy: do rejestru VAT, PKPiR, kontroli kosztów albo importu do programu księgowego.

O powodzeniu całej operacji decyduje różnica między konwersją a ekstrakcją. Generyczny konwerter PDF-Excel odtwarza widoczną tabelę, ale nie wie, która wartość jest NIP-em, a która terminem płatności; po pięćdziesięciu fakturach od różnych dostawców zostaje pięćdziesiąt różnych układów zamiast jednej tabeli. Ekstrakcja AI działa odwrotnie: przypisuje wartości do pól niezależnie od układu dokumentu i obsługuje faktury cyfrowe, skany oraz zdjęcia z telefonu bez konfigurowania szablonów.

Sposób przeniesienia danych z faktury PDF do arkusza warto więc dobrać do celu, a nie do pliku. Błędnie odczytany NIP wyjdzie przy weryfikacji kontrahenta, zdublowana faktura przy uzgadnianiu kosztów, a pomylona stawka dopiero w JPK_V7. Celem nie jest jakikolwiek arkusz, tylko arkusz roboczy, w którym każdą kwotę można w kilka sekund sprawdzić przy źródle, zanim dane pójdą dalej.

Dlaczego zwykły konwerter PDF do Excela zawodzi przy fakturach

Konwerter rozwiązuje inne zadanie, niż zakłada osoba, która go uruchamia. Jego praca polega na odwzorowaniu układu graficznego strony: linii, komórek i pozycji tekstu. Ekstrakcja danych to co innego: przypisanie wartości do pól o znaczeniu księgowym. Konwerter nie wie, że „23%” w podsumowaniu to stawka VAT, że ciąg dziesięciu cyfr obok nazwy firmy to NIP, ani że z trzech dat na dokumencie tylko jedna jest datą wystawienia. Odtwarza to, co widać, a nie to, co te wartości znaczą.

Na fakturach kończy się to powtarzalnym zestawem objawów:

• brak kolumny NIP, bo numer stoi w bloku adresowym, a nie w żadnej tabeli;
• data wystawienia, data sprzedaży i termin płatności sklejone w jednej komórce albo rozrzucone bez etykiet;
• kwoty netto, VAT i brutto w innym miejscu przy każdym układzie dostawcy;
• podsumowanie stawek VAT scalone w jeden wiersz, z którego nie da się odtworzyć rozbicia;
• pozycje rozcięte na granicy stron, z nagłówkami tabeli powtórzonymi w środku danych;
• plik zbiorczy z kilkoma fakturami potraktowany jak jeden dokument, bez podziału na rekordy.

Przy pojedynczej fakturze takie braki poprawia się ręcznie w minutę lub dwie. Przy partii dokumentów problem rośnie szybciej niż liczba plików: każdy dostawca ma własny układ, więc każda konwersja zwraca inne kolumny w innej kolejności. Zamiast jednej tabeli powstaje stos arkuszy do przeklejania, czyli wraca dokładnie ta praca, którą konwerter miał wyeliminować.

To nie jest wada konkretnego programu, tylko granica kategorii. Konwertery budowano do odtwarzania tabel i w tym zadaniu bywają dobre. Przeniesienie danych z faktur do arkusza wymaga jednak rozpoznania pól, a nie kształtu strony, dlatego rozwiązania trzeba szukać wśród narzędzi do ekstrakcji, nie konwersji.

Cztery sposoby wyciągania danych z faktur do Excela i ich granice

W praktyce wyciąganie danych z faktur do Excela sprowadza się do jednej z czterech metod. Każda ma granicę, po przekroczeniu której zaczyna kosztować więcej, niż daje.

Ręczne przepisywanie. Zero kosztu narzędzia i pełna kontrola nad każdą wartością, ale też kilka minut na dokument oraz błędy, których rutyna nie łapie: przestawione cyfry w NIP-ie, zgubiony grosz w kwocie, wartość przepisana z niewłaściwego wiersza. Do tego brak śladu weryfikacji, bo nikt nie notuje, z którego pliku i strony pochodzi kwota. Granica opłacalności wypada zwykle przy kilkudziesięciu dokumentach miesięcznie; powyżej niej przepisywanie zjada całe dni robocze.

Konwerter generyczny. Ma sens dla pojedynczej natywnej faktury PDF z prostą tabelą pozycji, którą trzeba szybko obrobić w arkuszu. Opisane wyżej granice sprowadzają się do jednego wniosku: przy partii dokumentów wynik konwersji i tak wymaga ręcznego porządkowania, więc oszczędność jest pozorna.

Szablonowy OCR. Klasyczne programy do odczytu faktur pracują na szablonach albo regułach: operator definiuje, gdzie na dokumencie danego dostawcy leży numer, gdzie daty, gdzie kwoty. To podejście sprawdza się, gdy dokumenty przychodzą od kilku stałych kontrahentów o niezmiennych układach. Koszt narasta z dwóch stron: każdy nowy układ wymaga zdefiniowania od zera, a zmiana szaty graficznej u dostawcy po cichu psuje istniejący szablon. Na skanach o zmiennej jakości i na zdjęciach reguły pozycyjne tracą punkt odniesienia.

Ekstrakcja AI. Automatyczne odczytywanie faktur do Excela niezależnie od układu: model rozpoznaje pola po znaczeniu, a nie po współrzędnych na stronie, więc faktura od nowego dostawcy nie wymaga żadnej konfiguracji. Ta sama metoda obsługuje w jednej partii PDF natywny, skan i zdjęcie. Narzędzia w tej kategorii różnią się klasą, ale łączy je brak szablonów do utrzymywania.

O wyborze rozstrzygają parametry procesu, nie ambicje technologiczne:

• liczba dostawców i zmienność ich układów: im więcej różnych szat graficznych, tym szybciej odpadają szablony;
• wolumen miesięczny: przy kilkunastu dokumentach ręczna praca się broni, przy kilkuset już nie;
• jakość wejścia: przewaga natywnych PDF-ów daje większy wybór metod niż worek skanów i zdjęć;
• potrzeba pozycji faktur: analiza wydatków po pozycjach wyklucza metody, które czytają tylko nagłówek dokumentu;
• wymóg śladu weryfikacji: jeśli arkusz ma być materiałem do kontroli, metoda musi zapisywać odniesienie do źródła.

Ekstrakcja danych z faktur PDF do Excela oparta na AI wygrywa w środowisku, które jest normą w polskich firmach: wielu dostawców, mieszane formaty, dokumenty przychodzące mailem, skanem i zdjęciem.

Schemat arkusza dla polskich faktur zakupowych: kolumny, układ wierszy, format pliku

Dobry arkusz faktur zakupowych ma stały zestaw kolumn, niezależny od tego, jak wygląda dokument źródłowy. Sprawdzony schemat dla polskich faktur obejmuje:

• identyfikację dokumentu: sprzedawca, NIP sprzedawcy, numer faktury;
• daty: data wystawienia, data sprzedaży, termin płatności;
• płatność: forma płatności, rachunek bankowy;
• kwoty: waluta, kwota netto, kwota VAT, kwota brutto oraz rozbicie netto i VAT na stawki (23%, 8%, 5%, 0%, zw, np);
• pozycje: opis, ilość, cena jednostkowa, wartość (jeśli analiza ma schodzić poniżej poziomu dokumentu);
• kontrolę: plik źródłowy, strona, status weryfikacji.

Trzy elementy tego schematu budzą czasem wątpliwości, a wykonują najwięcej pracy. Rozbicie kwot na stawki jest niezbędne, bo rejestr VAT operuje kwotami netto i VAT dla każdej stawki, a nie jedną sumą z faktury. Rachunek bankowy pozwala przed przelewem sprawdzić kontrahenta na białej liście podatników VAT. Plik źródłowy i strona zamieniają weryfikację kwoty z szukania w stercie PDF-ów w kilkanaście sekund pracy.

Drugi wybór to układ wierszy. Wiersz na fakturę wystarcza do rejestru VAT, kontroli płatności i księgowania: jeden dokument, jeden rekord, kwoty zbiorcze z rozbiciem na stawki. Wiersz na pozycję jest potrzebny, gdy dane mają zasilić analizę wydatków, alokację kosztów na projekty albo kontrolę cen u dostawców. W tym układzie dane nagłówkowe faktury (numer, sprzedawca, daty) powtarzają się w każdym wierszu pozycji, żeby tabela przestawna miała po czym grupować.

Format pliku dobiera się do przeznaczenia. XLSX sprawdza się jako arkusz roboczy, bo utrzyma formuły kontrolne i formatowanie warunkowe. Eksport faktur zakupowych do CSV ma sens wtedy, gdy dane idą dalej, do importu w innym systemie; wymaga dopilnowania dwóch detali: kodowania UTF-8, żeby nie posypały się polskie znaki, oraz separatora zgodnego z ustawieniami regionalnymi (polski Excel domyślnie oczekuje średnika, bo przecinek jest zajęty przez kwoty). Struktury plików importu dla konkretnych systemów księgowych to osobny temat: krok po kroku opisuje go artykuł import faktur kosztowych z PDF do Comarch Optima, Symfonii i Subiekta nexo.

PDF natywny, skan, zdjęcie z telefonu: co rodzaj pliku zmienia w wynikach

Trzy rodzaje plików wejściowych oznaczają trzy różne poziomy ryzyka odczytu, nawet jeśli na ekranie wyglądają tak samo.

PDF natywny, wystawiony elektronicznie i nigdy niedrukowany, ma warstwę tekstową: kwoty i NIP-y są zapisane w pliku jako znaki, a nie jako obraz. Rozpoznanie znaków nie jest tu problemem; problemem pozostaje struktura, czyli wszystko to, co opisano przy konwerterach.

Skan to obraz, więc o wyniku decyduje jakość. Praktyczne minimum to około 300 dpi, równe ułożenie kartki i wyraźny kontrast. OCR faktur do Excela na słabych skanach myli podobne znaki: 8 z B, 0 z O, 5 z S. W opisie towaru taka pomyłka to kosmetyka, ale w NIP-ie lub kwocie brutto daje błędny rekord. Z tego powodu faktury skanowane do Excela powinny obowiązkowo przechodzić kontrolę sum, opisaną w dalszej części poradnika.

Zdjęcie z telefonu dokłada perspektywę, cienie i nierówne oświetlenie. Współczesna ekstrakcja AI radzi sobie z porządnie zrobionym zdjęciem, a kilka nawyków ogranicza poprawki: fotografować prostopadle do kartki, w dobrym świetle, bez palców i połowy biurka w kadrze.

Osobną sprawą jest to, co poza fakturami siedzi w partii. Realna paczka dokumentów z miesiąca zawiera WZ-ki, maile przewodnie, potwierdzenia zamówień i drugi egzemplarz tej samej faktury. Narzędzie pracujące na partiach musi umieć odfiltrować strony niebędące fakturami; jeśli tego nie potrafi, paczkę trzeba wyczyścić ręcznie przed przetworzeniem. Ta sama zasada dotyczy plików zbiorczych: PDF, w którym zeskanowano dwadzieścia faktur ciągiem, ma zostać rozdzielony na dwadzieścia rekordów, a nie potraktowany jak jeden dokument.

W paczkach z wydatkami pracowniczymi regularnie lądują też paragony z NIP. Do kwoty 450 zł funkcjonują one jako faktury uproszczone i mają własny tryb ewidencji, dlatego warto prowadzić je osobnym procesem, który opisujemy w artykule paragony z NIP do Excela i ewidencji JPK_V7.

Korekty, stawki VAT, waluty i duplikaty: przypadki, które psują prosty automat

Największe szkody w arkuszu robią nie błędy odczytu, lecz dokumenty odczytane poprawnie, ale źle zaklasyfikowane.

Faktura korygująca wygląda niemal jak zwykła faktura i właśnie dlatego jest groźna. Zsumowana jak zwykły zakup zawyża koszty i VAT naliczony, zamiast je skorygować. W arkuszu korekta potrzebuje dwóch rzeczy: kwot ze znakiem (ujemnych przy korekcie in minus) albo wyraźnego oznaczenia w kolumnie typu dokumentu oraz numeru faktury pierwotnej w osobnej kolumnie, bez którego nie da się jej połączyć z korygowanym zapisem.

Kilka stawek na jednej fakturze to codzienność w handlu i gastronomii: 23% i 8% na jednym dokumencie, czasem z pozycjami zwolnionymi. Jedna zbiorcza kwota VAT nie wystarcza, bo rejestr wymaga kwot netto i podatku dla każdej stawki osobno. Arkusz bez rozbicia na stawki i tak trzeba będzie uzupełniać przy fakturach mieszanych, czyli ręcznie wracać do dokumentów.

Faktury w walutach obcych wymagają dyscypliny w jednej sprawie: kolumna waluty jest obowiązkowa, a kwot w EUR nie wolno sumować z PLN w tej samej kolumnie wynikowej. Przeliczenia po właściwym kursie NBP i ujęcie takich zakupów w JPK_V7 to oddzielna mechanika; prowadzi przez nią artykuł faktury zagraniczne z PDF do Excela i JPK_V7.

Duplikaty wchodzą do partii najprostszą drogą: ta sama faktura przychodzi mailem jako PDF, a potem drugi raz jako skan wersji papierowej. Podwójnie zaksięgowany dokument to podwójny koszt i błąd w rejestrze, choć wykrycie jest tanie, bo para NIP sprzedawcy i numer faktury identyfikuje dokument jednoznacznie i wystarczy sprawdzić jej powtórzenia w arkuszu.

Zostają dokumenty, które fakturami nie są, choć je udają: proformy i potwierdzenia zamówień. Nie podlegają księgowaniu i nie dają prawa do odliczenia, więc muszą zostać rozpoznane i wykluczone z arkusza albo przynajmniej oznaczone w kolumnie typu dokumentu, zanim ktoś potraktuje je jak koszty.

Kontrola przed księgowaniem: jak zweryfikować arkusz, zanim dane pójdą dalej

Wyodrębnione dane to materiał surowy; arkuszem roboczym stają się dopiero po kontroli. Wszystkie poniższe testy można zbudować w Excelu w kilka minut i powtarzać przy każdej partii.

Test arytmetyczny. Dla każdego wiersza: netto + VAT = brutto, a przy rozbiciu na stawki ten sam warunek dla każdej stawki osobno. Groszowe rozjazdy zdarzają się przy zaokrągleniach pozycji, więc zamiast ścisłej równości lepiej przyjąć próg tolerancji, na przykład 2 grosze na dokument. Wszystko powyżej progu wymaga zajrzenia do źródła.

Test stawki. Kwota VAT podzielona przez netto powinna odpowiadać zadeklarowanej stawce. Wynik 0,23 potwierdza odczyt; wynik 0,19 oznacza, że jedna z trzech kwot została odczytana źle albo dokument ma stawki mieszane i wszedł do arkusza bez rozbicia.

Test kompletności. Liczba wierszy w arkuszu wobec liczby dokumentów w partii. Brakujący rekord to zwykle strona odfiltrowana jako niefakturowa albo plik, który nie przeszedł przetwarzania; rekord nadmiarowy sugeruje plik zbiorczy rozdzielony inaczej, niż zakładano.

Test duplikatów. Formatowanie warunkowe na parze NIP i numer faktury albo formuła LICZ.WARUNKI zliczająca powtórzenia tej pary. Wynik większy niż 1 wskazuje kandydata na duplikat i wymaga ręcznej decyzji.

Kontrola punktowa przy źródle. Wartości, które narzędzie samo oznaczyło jako niepewne, oraz losowa próbka pozostałych wierszy, porównane bezpośrednio z dokumentem. Do tego służą kolumny plik źródłowy i strona: otwierasz wskazany plik na wskazanej stronie i sprawdzasz kwotę. Wartości niepewne traktuj jak kolejkę do przejrzenia, a nie jak dane przyjęte na wiarę.

Proporcje wysiłku są jednoznaczne. Komplet testów na miesięcznej partii zajmuje kilkanaście minut, a błąd wykryty po zaksięgowaniu oznacza korektę zapisów, nierzadko korektę deklaracji i tłumaczenie rozjazdów w JPK_V7.

---

Kiedy ekstrakcja AI sprawdza się lepiej niż szablonowy OCR

Granica między szablonowym OCR a ekstrakcją AI jest praktyczna: dopóki faktury przychodzą od kilku stałych kontrahentów o niezmiennych układach, szablony wystarczają; gdy układów przybywa, ich utrzymywanie staje się osobnym etatem i przewagę przejmuje ekstrakcja AI. Drugą różnicę widać w sposobie pracy. Wybierając program do odczytywania faktur PDF, warto sprawdzić, jak definiuje się w nim oczekiwany wynik. W Invoice Data Extraction zamiast szablonu pisze się polecenie po polsku, opisujące kolumny arkusza. Schemat z tego poradnika wyrażony jako polecenie wygląda tak:

„Wyciągnij: sprzedawca, NIP sprzedawcy, numer faktury, data wystawienia, data sprzedaży, termin płatności, waluta, kwota netto, kwota VAT, kwota brutto, stawki VAT. Jeden wiersz na fakturę. Przy fakturach korygujących pokaż kwoty jako ujemne. Pomiń strony, które nie są fakturami.”

To samo polecenie działa dla dziesięciu i dla tysiąca dokumentów. Jedna partia może liczyć do 6000 plików PDF, JPG i PNG, a pojedynczy PDF do 5000 stron, więc zeskanowany ciągiem segregator nie wymaga dzielenia. Strony niebędące fakturami, jak maile przewodnie, awiza płatności czy strony podsumowań, są pomijane automatycznie. Wynik pobiera się jako Excel, CSV lub JSON, a polecenie można zapisać i stosować co miesiąc do kolejnych partii bez zmian.

Dwie funkcje odpowiadają wprost na potrzeby kontroli z poprzedniej sekcji. Każdy wiersz wyniku zawiera odniesienie do pliku źródłowego i strony, więc kontrola punktowa nie zaczyna się od szukania dokumentu. Wartości, których model nie jest pewien, dostają oznaczenie Review Needed z podpowiedzią, co sprawdzić: to gotowa kolejka weryfikacji zamiast cichego zaufania do każdej liczby.

Próg wejścia jest niski: narzędzie do konwersji faktur PDF do Excela przetwarza 50 stron miesięcznie bezpłatnie, a powyżej tego limitu płaci się wyłącznie za przetworzone strony, bez abonamentu. Na darmowej puli można przetestować własną partię i dopracować schemat kolumn, zanim proces wejdzie na stałe do miesięcznego rytmu.

---

KSeF od 2026 r. nie kończy pracy z PDF-ami

Krajowy System e-Faktur zmienia źródło danych, ale nie zamyka tematu tego poradnika. Harmonogram określa plan wdrożenia Krajowego Systemu e-Faktur opublikowany przez Ministerstwo Finansów: obowiązek objął od 1 lutego 2026 r. podatników o wartości sprzedaży za 2024 r. przekraczającej 200 mln zł, od 1 kwietnia 2026 r. pozostałych przedsiębiorców, a od 1 stycznia 2027 r. obejmie najmniejszych podatników, wystawiających faktury do 450 zł przy sprzedaży do 10 tys. zł miesięcznie.

Krajowe faktury między przedsiębiorcami przechodzą więc do postaci ustrukturyzowanej, ale strumień dokumentów w księgowości wcale nie staje się jednorodny. Poza KSeF pozostają:

• faktury zakupowe od kontrahentów zagranicznych, które dalej przychodzą jako PDF lub skan;
• dokumenty archiwalne i zaległe, digitalizowane przy porządkowaniu ksiąg;
• załączniki, których system nie przenosi: WZ-ki, protokoły odbioru, specyfikacje;
• paragony i rozliczenia wydatków pracowniczych;
• dokumenty z okresów przejściowych i z trybu offline, krążące poza systemem, zanim zostaną do niego przesłane.

Każdy z tych strumieni nadal wymaga ekstrakcji danych i weryfikacji, dlatego schemat kolumn i testy kontrolne opisane wyżej pozostają aktualne także po pełnym wdrożeniu systemu; zmienia się jedynie proporcja dokumentów, które ich potrzebują.

Najmocniej odczują to biura rachunkowe, które od 2026 r. pracują na dwóch strumieniach naraz: fakturach ustrukturyzowanych pobieranych z KSeF i wszystkim, co przychodzi obok systemu. Jak zorganizować tę drugą część bez rozbudowywania zespołu, pokazuje artykuł elastyczna ekstrakcja danych w biurze rachunkowym po wdrożeniu KSeF.