Un extracto bancario llega en PDF, mientras tienes que conciliar cincuenta operaciones en una hoja de cálculo. Una factura contiene veinte líneas que integrar en un seguimiento presupuestario. Reescribir cada importe es lento y aumenta el riesgo de error. Convertir un PDF a Excel sin subirlo puede evitar esa captura, siempre que sepas qué reconoce realmente la herramienta: no «comprende» el documento como una persona, sino que reconstruye una cuadrícula a partir de pistas geométricas.
Cómo funciona la detección local
Document Flare lee el PDF en el navegador. El archivo no se envía a un servidor. Para cada página, la herramienta examina la posición del texto y los trazos vectoriales, y luego prueba dos estrategias.
1. Detectar las alineaciones del texto
En una tabla sin bordes, las etiquetas y los números suelen empezar en las mismas posiciones horizontales, fila tras fila. El algoritmo agrupa los elementos de texto cercanos sobre un mismo eje, busca columnas recurrentes y construye celdas en sus intersecciones.
Este método conviene a las tablas sobrias con filas y columnas regulares. Se vuelve menos fiable con sangrías variables, descripciones en varias líneas, texto girado o espaciados usados solo para la maquetación. Un bloque de texto en columnas también puede parecer una tabla por error.
2. Seguir las líneas vectoriales
Cuando una tabla tiene cuadrícula, la herramienta registra los segmentos horizontales y verticales dibujados en el PDF. Sus intersecciones proporcionan fronteras de filas y columnas más explícitas. El texto situado dentro se asigna después a las celdas correspondientes.
Esta estrategia suele dar los mejores resultados en facturas e informes con bordes nítidos. Pero un borde visible puede ser una imagen, y no un trazo vectorial aprovechable. Las cuadrículas incompletas, decorativas o irregulares siguen siendo ambiguas.
En modo automático, la herramienta compara los resultados de ambas estrategias y retiene la más productiva en celdas rellenadas. El panel también permite elegir manualmente «líneas» o «texto» y examinar una vista previa antes de descargar.
Casio HR-150RCE — calculadora impresoraCálculos impresos en dos colores: el rastro en papel que acompaña a los Excel.afiliado
Lo que funciona bien
El caso ideal es un PDF nativo, creado desde un software de facturación, un procesador de textos o una herramienta de reporting. Su texto es seleccionable, las columnas son estables y cada fila sigue el mismo esquema. Los extractos simples, las listas de transacciones, los inventarios y las tablas estadísticas regulares son buenos candidatos.
La vista previa muestra las primeras filas, las dimensiones estimadas, la página de origen, la estrategia retenida y un índice de confianza. Úsala como control, no como garantía. Compara sobre todo los totales, los decimales, los signos negativos y las fechas con el PDF de origen antes de usar los datos en un cálculo.
Si solo necesitas el contenido lineal, sin reconstrucción en celdas, la extracción de texto de un PDF suele ser más adecuada.
Lo que falla honestamente
- Los escaneos sin capa de texto: la herramienta no encuentra caracteres que colocar en las celdas. Un escaneo es una imagen, aunque las palabras sean perfectamente legibles en pantalla. Empieza por un OCR local del PDF y luego revisa con cuidado las cifras reconocidas.
- Las celdas combinadas: un título que cubre tres columnas o un valor extendido sobre varias filas no se reconstruye como una combinación de Excel. El contenido puede acabar en una sola celda mientras las vecinas quedan vacías, o provocar un desplazamiento.
- Las tablas sin líneas ni alineaciones regulares: sin fronteras vectoriales y sin posiciones de columnas repetidas, la heurística carece de pistas y puede ignorar la tabla.
- Las maquetaciones complejas: subtablas, celdas anidadas, encabezados verticales, notas intercaladas y cuadrículas parciales pueden producir columnas adicionales o filas mal cortadas.
- El formato: colores, fuentes, anchos exactos, fórmulas, filtros y estilos no se recrean. Un PDF contiene los valores mostrados, no las fórmulas de la hoja de cálculo original.
¿CSV o XLSX?
Elige CSV para importar los datos en un software de contabilidad, una base de datos, Python o un script de consolidación. Es un formato de texto simple, fácil de inspeccionar y duradero. La herramienta puede reunir las tablas en un solo CSV o producir un archivo ZIP con un CSV por tabla. El archivo usa UTF-8 con una marca de orden de bytes para mejorar la lectura de los acentos en Excel; ten en cuenta que, según la configuración regional, Excel puede esperar ; como separador en lugar de ,.
Elige XLSX para abrir directamente el resultado en Excel, LibreOffice Calc o una hoja de cálculo compatible, sobre todo cuando el PDF contiene varias tablas. El libro coloca cada tabla en una hoja distinta. Se genera localmente como un archivo ZIP estándar que contiene ficheros XML, sin depender de un servicio Office remoto.
En ambos casos, las celdas contienen texto extraído. Comprueba cómo tu hoja de cálculo interpreta los separadores decimales, las fechas, los ceros iniciales y los identificadores largos: una conversión automática puede modificar su aspecto.
Límites prácticos y método recomendado
La herramienta acepta un PDF a la vez, hasta 50 MB y 1 000 páginas. El análisis permanece en tu dispositivo y el documento de origen no se modifica. Una gran cantidad de páginas requiere más memoria y tiempo en el navegador.
Para un resultado aprovechable:
- comprueba que el texto del PDF es seleccionable;
- lanza la estrategia automática;
- controla la vista previa y prueba por separado las estrategias por líneas o por alineaciones si es necesario;
- exporta a CSV para un tratamiento automatizado, o a XLSX para trabajar por hojas;
- compara algunas filas y los totales con el documento original antes de cualquier decisión financiera.
La extracción es, por tanto, un atajo eficaz para las tablas regulares, no una reproducción perfecta del documento. Cuanto más limpias sean la cuadrícula y la capa de texto, más probabilidades hay de que el resultado sea correcto.
El material adecuado
Casio HR-150RCE — calculadora impresoraCálculos impresos en dos colores: el rastro en papel que acompaña a los Excel.afiliado
