結合セルがテーブル抽出を
壊す理由

セル結合がテーブル抽出で難しい理由

セル結合が抽出を困難にする理由を理解するには、テーブル抽出ツールが実際に何を見ているかを知る必要があります。人間がテーブルを見るとき、行と列は整列し、結合セルは複数の位置にまたがっています。しかしツールが見ているのは異なります。テキスト付きの座標の集合であり、その座標だけからグリッドを再構築しなければなりません。

結合セルは根本的な不一致を生み出します。視覚的には1つのセルが2～3行または列のスペースを占めているように見えます。構造的には、値は正確に1つのセル（通常は結合範囲の左上のセル）にのみ存在します。その範囲内の他のセルは設計上、空です。抽出ツールは選択を迫られます。それらの位置を空白のままにするか（ギャップが生じる）、空白に結合値を推測して埋めるか（誤った属性付けのリスクがある）。

これは特定のツールのバグではありません。AIベースの抽出から従来のOCR、PDFパーサーまで、あらゆるアプローチがこの問題に対処する必要があります。良いニュースは、セル結合には予測可能なパターンがあることです。問題の原因となっているパターンを認識できれば、抽出をやり直さずに適切な修正を適用できます。

原因1 — 行結合セル（複数行の説明）

症状: 抽出されたテーブルの最初の列に空白セルがある。他の部分は正しいが、1列だけランダムに空白が生じる。

これは最も一般的で、最も修正が簡単です。行結合セルは、1つのラベルがその下の複数のデータ行に適用される場合に発生します。例えば、請求書の明細テーブルで「事務用品」がペン、紙、プリンタートナー、バインダークリップの行にまたがって結合されている場合などです。抽出後、行は存在しますが、最初の列には最初の行にのみ「事務用品」が表示され、後続の行は空白になります。

理由: 結合セルには1つのセルに1つの値しか含まれていません。下のセルは構造的に空です（独立したセルではなく、結合範囲の一部）。一部のツールは値を下方にコピーしますが、それは推測です。他のツールは物理的に存在するものだけを返し、空白のままにします。

行結合セルは最もコストのかからない問題です。修正は1回の操作で1列に影響し、データが列間で移動することは決してないからです。

根本原因2 — 列結合セル（見出しの結合）

症状: 値が誤った列見出しの下に表示される。見出し行とデータ行で列数が一致せず、表の途中で各列の意味が変わってしまう。

列結合セルは配置に影響するため、より深刻な問題を引き起こします。見出しが2列または3列にまたがっている場合（例：「2026年第1四半期」という見出しが1月、2月、3月をカバーしている場合）、抽出ツールは表の列数を判断しなければなりません。結合された見出しを1列とカウントすると、その下のすべてのデータ行が左に2つずれます。一方、実際の列数を正しく認識しても、結合見出しが最初の列にのみ属すると解釈されれば、意味的な関係性は失われます。

ここが、ほとんどの列のずれエラーの発生源です。結合された見出しはツールにグリッド境界の推測を強制し、ツールごとに推測方法が異なります。見出しテキストを結合された全列に複製するツールもあれば、最初の列にのみ割り当て、残りの列を見出しなしのままにするツールもあります。

修正方法は、意図された列の階層構造を理解する必要があります。Excelで抽出後、以下の手順を実行します：

1. 見出しの下にヘルパー行を挿入し、完全な列レイアウトを手動で再構築します。
2. 結合して中央揃え → セルの結合を解除を使用して、結合された見出しセルをすべて解除します。
3. 元のドキュメントを参照し、新たに空白になった見出しセルに正しい列ラベルを入力します。
4. ヘルパー行を削除し、各データ列に一意で正しい見出しが設定されていることを確認します。

この修正は行結合の修正よりも時間がかかります。なぜなら、ドキュメントに関する知識に基づいて列構造を再構築する必要があるからです。ツールは階層構造を確実に推測することはできません。

根本原因3 — ネストされた結合セル（行と列の組み合わせ）

症状: 抽出された表が根本的に壊れています。行と列が揃わず、論理的に意味をなさない位置に値が現れ、セル総数が想定されるグリッドの寸法と一致しません。

ネストされた結合セル（1つのセルが複数の行と複数の列の両方にまたがるもの）は、最も困難なシナリオです。これらは複雑な財務諸表、治験スケジュール、マルチレベルのプロジェクトタイムラインに現れます。2列×3行にまたがるセルは長方形の穴を作り、行と列の両方の検出を同時に狂わせます。

従来のOCRツールやTabula、pdfplumberのようなPDFパーサーは、ネストされた結合ではほぼ完全に失敗し、誤った行数・列数を出力します。AIベースのツールは結合領域内のテキストの読み取りでは優れていますが、元の構造に一致するフラットなグリッドを再構築する点では依然として苦戦します。

修正方法は2パスアプローチです。まず、セル結合のメタデータ（どのセルが結合され、何行・何列にまたがっているか）を保持するAIツールで抽出を実行します。Azure Document Intelligenceや一部の最新ビジョンモデルベースのツールは、このメタデータをJSON出力で返します。次に、ExcelまたはGoogleスプレッドシートで、該当領域を手動で再構築します。

1. 元のドキュメントから各結合領域を特定し、それが何行・何列にまたがっているか数えます。
2. 抽出された表に、結合の寸法に合わせて空白の行または列を挿入します。
3. 根本原因1の「結合解除と値の充填」テクニックを、該当する各列に適用します。
4. 行数を元のドキュメントと照合し、何も欠落していないことを確認します。

これは手作業であり、複雑さに応じて表1つあたり5〜15分かかります。正直なところ、現在ネストされた結合セルを100%の信頼性で自動処理できるツールは存在しません。

エスカレーションの判断基準 — 階段状マージ

ある特定の結合セルパターンについては、自動化を諦めるのが最も現実的なアドバイスです。階段状マージとは、結合セルが斜めまたは階段状のパターンを形成する場合を指します。行1のセルが列A～B、行2のセルが列B～C、行3のセルが列C～Dにまたがるようなケースです。これにより重複するスパン境界が生じ、グリッド再構築アルゴリズムでは正しく処理できません。これは、基礎となる構造が非重複セルマトリクスの前提に反しているためです。

階段状マージは、構造的な一貫性よりも視覚的なレイアウトが優先された、手作業で作成されたExcelレポートやレガシーな会計帳票で最も頻繁に見られます。

階段状マージの見分け方: 元のPDFまたは画像を開き、結合領域を目で追跡します。結合領域がきれいな行と列に整列しておらず、その境界がジグザグになっているパターンが見えたら、それが階段状パターンです。

正直な解決策: 抽出前にドキュメントを手動で前処理します。ソースファイルをExcelで開き、すべてのセルの結合を解除し、値を上下左右にフィルして、簡略化したバージョンを保存します。その後、クリーニングされたコピーに対して抽出を実行します。この最初の5～10分の投資で、壊れた抽出結果の修正にかかる30分以上の時間を節約できます。

実践的な解決策 — AI抽出 + 結合解除・フィル後処理

3つの根本原因すべてにわたって、最も信頼性の高いワークフローは、「結合セルを完全に処理できる」ツールを見つけることではありません。そのようなツールは存在しないからです。それは、それぞれが最も得意とする2つの段階を組み合わせることです。

ステージ1 — AI抽出: ImageToTable.aiのようなテンプレート不要の抽出ツールを使用します（カスタム列抽出を使用：抽出したい列名を入力すると、AIが位置ではなく意味によって値を特定します）。これは、OCRやテンプレートベースのツールよりも文書のバリエーションに対応できます。AIはテーブル内のすべての値（結合領域内のテキストを含む）を読み取ります。結合セルの階層をフラットなグリッドにギャップなく再構築することはできませんが、それはフラットグリッド形式の限界であり、AIの限界ではありません。

ステージ2 — Excel後処理: 根本原因1の行マージに対する結合解除・フィル手法を適用します。列マージ（根本原因2）の場合はヘッダーを手動で再構築します。ネストされたマージ（根本原因3）には2パスアプローチを使用します。階段状マージの場合は、抽出前にソースドキュメントを簡略化します。

このワークフロー — AIがコンテンツを読み取り、Excelが構造を修復する — は、結合セルシナリオの約90%を5～15分で処理します。残りの10%（階段状パターン）は、レガシーな内部スプレッドシート以外では稀です。

よくある質問

抽出した表に空白セルがあるのはなぜ？

最も多い原因はセルの結合（行結合）です。ツールは結合範囲の先頭セルにのみ値を入れ、残りは空白のままにします。Excelの「結合解除して埋める」操作で30秒以内に修正できます。

AIは結合セルを完璧に処理できる？

まだできません。ImageToTable.aiのようなAIツールは結合領域内のテキストを正確に読み取りますが、複数の次元にまたがる結合を完全なフラットグリッドに再構築することはできません。フラットグリッド形式は結合セルと根本的に互換性がありません。Excelでの後処理は今後も必要です。

表が階段状結合かどうか見分けるには？

元のドキュメントを開き、結合の境界線を目で追ってください。セルが不規則に重なるジグザグや斜めのパターンがあれば、それが階段状結合です。業務レポートでは稀ですが、データ処理ではなく印刷用に作られた古いExcelファイルによく見られます。

元のドキュメントで結合セルを避ける方法は？

元のドキュメントを作成できる立場なら、結合セルを完全に避けてください。見た目の結合には「セルを結合」ではなく「選択範囲内で中央」を使ってください。レポートツールからのPDFでは、ヘッダーを結合せずに繰り返す設定にすることで、根本的に問題を解決できます。

Googleスプレッドシートのアドオンでは結合セルの扱いが違う？

ImageToTable.aiのGoogleスプレッドシートアドオンはWebアプリと同じエンジンを使用しています。結合領域から値は正確に抽出しますが、行結合の値を埋める必要がある空白セルは出力に残ります。Googleスプレッドシートのフィルダウンショートカット（空白セル選択後Ctrl+Enter）で同じ後処理が適用できます。