Convierte PDF a Excel, incluso cuando el PDF es un escaneo

Por qué las tablas en PDF hacen tropezar a los asistentes de IA generales

Un PDF no guarda una tabla como tabla. Guarda caracteres en posiciones de una página, y las filas y columnas solo existen para la vista. En un PDF escaneado ni siquiera hay caracteres, solo una imagen de la página. Reconstruir la cuadrícula implica decidir, para cada número, a qué fila y a qué columna pertenece.

Un asistente de chat puede hacerlo con una tabla corta y limpia. En una tabla ancha, una celda vacía o combinada puede desplazar una columna a la derecha todos los valores que la siguen, y el resultado sigue pareciendo una tabla ordenada. En un documento largo, el asistente tiene que reproducir cientos de filas en una sola respuesta, así que tiende a abreviar el resultado o a detenerse. Y lo que recibes suele ser una tabla dibujada en la ventana del chat, que luego tienes que copiar tú mismo a una hoja de cálculo.

Esta herramienta lee cada página por separado y devuelve datos estructurados: una lista de columnas y, para cada fila, exactamente una celda por columna, con las celdas vacías dejadas vacías. Tiene la instrucción de copiar los valores, no de interpretarlos, y de escribir [illegible] cuando un valor no se puede leer. Como el resultado aparece junto a la imagen de la página, es fácil detectar una columna desplazada antes de exportar.

Qué convierte la gente

• Informes financieros y cuentas anuales con páginas de cifras
• Listas de precios, catálogos y fichas de producto de proveedores
• Facturas y órdenes de compra con líneas de detalle
• Tablas escaneadas o impresas que solo existen en papel
• Artículos de investigación e informes gubernamentales con tablas de datos
• Horarios, turnos y listas de inventario

Cómo llegan los valores y las tablas a la hoja de cálculo

Los valores se copian tal como están impresos. Un número simple como 1204.5 llega como un número que puedes sumar. Un valor impreso con símbolo de moneda o separador de miles, como $1,204.50, se conserva exactamente así y llega como texto, de modo que nada se cambia en silencio. Si quieres hacer cálculos con esas celdas, conviértelas en tu hoja de cálculo después de revisarlas.

Las tablas se mantienen separadas. En el archivo XLSX, cada tabla tiene su propia hoja, con el nombre de su título o de su página. Una tabla que continúa en varias páginas llega como una tabla por página, en el orden de las páginas, y no se une automáticamente. En el archivo CSV, las tablas van una tras otra en un solo archivo. Una página sin tabla pero con contenido claramente tabular, como pares de etiqueta y valor o una lista detallada, también llega como tabla.

Cómo conseguir un resultado limpio y dónde están los límites

Los PDF digitales y los escaneos limpios se leen mejor. Para una foto, coloca la página en plano, fotografía desde justo encima y haz que la tabla llene el encuadre. La letra muy pequeña en una página grande se lee mejor si la divides en partes. Los PDF protegidos con contraseña no se pueden abrir, así que quita primero la contraseña.

La herramienta extrae datos. No conserva fuentes, colores, bordes, fórmulas ni gráficos, y tampoco convierte un gráfico en números. Ningún lector es perfecto, así que compara los totales y las cifras clave con la página que se muestra junto a la tabla, y revisa cualquier celda marcada como [illegible]. Para extractos bancarios y de tarjetas de crédito, usa mejor nuestro convertidor de extractos bancarios: devuelve todas las transacciones en una sola tabla con columnas fijas.