从原件到可导入数据的四步
确认公司、表格类型、日期和页面完整性；提取原文和字段；核对编号、日期、股本及缺失状态；最后按系统要求映射字段。结构化输出保留来源文件和页码，方便同事返回原文复核。
用真实样本核对字段与原文
本站两页历史 NAR1 样本属于 ARCH MARKETING LIMITED，结算日期为 2022-08-02。它只展示公司及股本数据，不包含董事或成员名单；不能用于识别这家公司的股东或最终受益所有人。
按使用方式选择交付格式
JSON 适合保留嵌套字段和股份类别数组，XML 可按已有结构映射，Excel 方便同事筛选和对照清单。标准数据版交付 JSON 或 XML；Excel、自定义字段、角色代码和批量格式需先提供模板另行报价。
真实样本：原文怎样对应到你的字段
以下对照本站可下载的标准 JSON。左列是历史样本的原文信息，中间是现有输出路径，右列是可调整的表格映射建议，不代表每个客户的固定交付格式。
左右滑动查看完整表格；键盘可聚焦表格后使用方向键。
| 原文和页码 | 标准 JSON 路径 | 表格字段和类型 | 导入前检查 |
|---|---|---|---|
| 1063959／第 1 页 | legacy_company_number | 旧公司编号／文本 | 保留旧编号标签；不改为 BRN |
| 2022-08-02／第 1 页 | return_date | 结算日期／ISO 日期 | 不要用文件下载日期覆盖 |
| 业务名称 N/A／第 1 页 | business_name.value / status / raw | 值、状态、原文／分开三列 | 保留 null、not_applicable、N/A 的区别 |
| Ordinary、HKD、10,000／第 2 页 | share_capital[0] | 股本明细／每个股份类别一行 | 合计另存；不要把合计再加一次 |
| 电邮字段空白／第 2 页 | email_address.value / status / raw | 值、状态、原文／分开三列 | null、blank、空字符串；不与 N/A 混合 |
| 两页节选不含成员页 | unavailable.members | 成员信息状态／文本 | outside_excerpt；不是空名单或零持有人 |
先定义数据表粒度，再谈 PDF 转 Excel
同一份 NAR1 可同时包含公司字段和多条股份类别或人员记录。若全部压成“一家公司一行”，必须约定多条记录的保存方式；把第二位持有人塞进第一位的字段，会让结果看似完整却无法可靠导入。先明确每张表的一行代表公司、文件还是一条明细。
一种可调整的设计是分开文件总表和股本明细：总表保存公司标识、数据日期及来源参考；明细表通过同一个文件参考关联总表，每个股份类别单独一行。这是建模建议，不是本站每次交付的固定格式；已有 Excel 模板时可先提交字段和示例核对。
主键也要反映数据范围。同一公司两个年度不能因名称相同而互相覆盖；同日获取两类文件也不能仅按下载日期去重。可先建立内部文件参考，再保留编号原标签、表格类型、数据日期和原件文件名，为合并与更新规则提供依据。
下表示范文件总表一行：仅 DOC-001 为自定义内部参考，其他三个值来自真实历史样本。DOC-001 不是原文编号，也不是标准 JSON 新字段；仅用于展示接收端关联主表和明细表。
左右滑动查看完整表格；键盘可聚焦表格后使用方向键。
| 文件参考（自定义示例） | 公司英文名 | 旧公司编号／文本 | 结算日期 |
|---|---|---|---|
| DOC-001 | ARCH MARKETING LIMITED | 1063959 | 2022-08-02 |
用真实样本走一次导入前检查
先在样本页下载标准 JSON，关闭自定义映射，再对照本页六行表。1063959 是字符串形式的旧公司编号，2022-08-02 是结算日期。建立表格时，编号设为文本，日期采用明确年月日规则，避免打开 CSV 时被自动改成其他日期或数字格式。
随后检查三种不同情况：业务名称为 N/A、电邮原文留白、成员页未在节选范围内。三者都可能没有可用值，但原因不同。接收系统可同时保存 value、status 和 raw，或展开成三列；不能只剩一个空格，让同事无法判断要补文件还是原文未填。
最后核对股本明细与合计。样本只有一行 Ordinary、HKD、10,000 已发行股份，合计另有独立输出。如将明细和合计视为两笔相加，就会重复计数。先用这一行样本确认导入规则，比整批累加后才发现总数错误，更容易定位问题。
该明细行用相同 DOC-001 关联上方总表，股数、金额和货币分别保存。如另一文件有两个股份类别，接收端应保留两行，不因文件参考相同覆盖第一行；合计另存。这是接收表设计测试条件，不代表真实样本还有第二类股份。
左右滑动查看完整表格；键盘可聚焦表格后使用方向键。
| 文件参考（自定义示例） | 股份类别 | 货币 | 已发行股数 | 股本总额 | 原文页码 |
|---|---|---|---|---|---|
| DOC-001 | Ordinary | HKD | 10000 | 10000 | 2 |
接收端验收：文件能打开，还要能正确使用
将验收分为三层：格式可读取、数据与原文一致、结果符合接收端规则。JSON 语法正确只通过第一层，XML 元素齐全也不证明值准确。反之，原值提取正确但展开数组时丢失第二条记录，仍不能算可用交付。验收表应标明失败层级。
使用一份清晰文件和一份有缺失状态的文件测试。检查中文名称与标点、零值与空白、未知值与零、类型和日期格式，并确认重复导入不会新增重复记录。这些是针对实际接收表格或系统的测试项，不代表所有软件都会同样处理。
验收失败时，将来源页码、输出路径、实际值和预期处理方式记录在同一问题表。先区分原文难辨、提取错误、映射不符或接收端类型转换问题，再决定重做哪一步。每次调整保留样本版本和变更说明，避免修正一个字段时静默改变其他数据。
常见问题
空白字段可以全部填为 null 吗？
应保留原因：原文空白、N/A、未提供页面和无法识别不同。样本同时记录状态和原文，避免下游系统误解。