Conversor de PDF a Excel gratis
Extraer tablas de PDFs basados en texto en Excel XLSX o CSV. Las filas y columnas se reconstruyen desde posiciones de texto, con una vista previa y opciones de número.
Cargando herramienta…
Cómo extraer tablas de un PDF a Excel o CSV
Las declaraciones, las listas de precios y los informes exportados desde el software contienen texto real con posiciones exactas. Esta herramienta agrupa que texto en filas por altura en la página y en columnas por posición horizontal, luego escribe una hoja de cálculo.
- Elige un PDF basado en texto de hasta 50 MB. Introduce tu contraseña sólo si el PDF pide uno.
- Opcionalmente introduce un rango de páginas como 2-5, y elige una hoja por página o todas las páginas en una hoja.
- Elige cómo se escriben los números en el documento (1,234.56 ó 1.234,56) o mantén todo como texto.
- Selecciona Extraer tablas y revisa la vista previa. Si las columnas se dividen o fusionan erróneamente, mueve el deslizador de sensibilidad y extrae de nuevo.
- Descarga Excel (.xlsx) o CSV, o copia una página para pegar en cualquier hoja de cálculo.
Cuando la conversión de PDF a Excel ayuda
Los bancos, los sistemas de contabilidad, los proveedores y los gobiernos a menudo publican datos sólo en formato PDF. Reescribir una declaración o una lista de precios es lento y propenso a errores. Si el PDF fue creado por el software en lugar de escaneado, tu texto se almacena con posiciones exactas, y esas posiciones se pueden convertir de nuevo en filas y columnas.
Los usos típicos son la importación de estados de cuenta de tarjetas o bancos en un presupuesto, la comparación de las listas de precios de los proveedores, el análisis de las tablas de estadísticas publicadas y el traslado de las partidas de la factura a una hoja de cálculo.
Esto es diferente de PDF a Word, que reconstruye los párrafos que fluyen. Usa PDF a Excel cuando el contenido es una cuadrícula de valores; use PDF a Word cuando es principalmente prosa.
Ejemplo trabajado: una mesa de ciudad con miles agrupados
Nuestro PDF de prueba contiene una tabla con tres columnas: Ciudad, País y Población, donde las cifras de población están alineadas. Las filas incluyen Lagos, Nigeria, 15.388.000; São Paulo, Brasil, 12.325.232; y Tokio, Japón, 14.094.034. El extractor reconstruyó exactamente cuatro filas y tres columnas, acentos incluidos.
Con la conversión de número ajustado al estilo 1.234.56, 15.388.000 se escribe a Excel como el número 15388000, por lo que se puede resumir y ordenar. Con el estilo 1.234,56, utilizado en gran parte de Europa y América Latina, el texto 1.234,56 se convierte en 1234,56. Los negativos contables como (1.250.00) se convierten en −1250.
Los valores que sólo se ven numéricos se mantienen como texto: el código 007 mantiene sus ceros principales, el 12% permanece como escrito, y las fechas no se reinterpretan. De esa manera nada cambia silenciosamente, y puedes convertir esas columnas deliberadamente en tu hoja de cálculo.
Cómo se reconstruyen filas y columnas
pdf.js lee cada pieza de texto en una página con su posición y tamaño de fuente. Las piezas cuyas líneas de base se encuentran a media altura de texto se agrupan en la misma fila, trabajando desde la parte superior de la página hacia abajo.
Dentro de una fila, las piezas que están más juntas que la sensibilidad de división de columna (por defecto una altura de texto) se unen en una celda, por lo que una frase como 'Teclado inalámbrico' permanece unida mientras un amplio espacio comienza una nueva celda. La herramienta entonces mira la extensión horizontal de cada celda en filas que tienen dos o más celdas y fusiona rangos superpuestos en bandas de columnas. Los títulos que abarcan la página son ignorados cuando las bandas se elaboran, por lo que no fusionan cada columna en una.
Cada celda se coloca en la banda que se superpone más, lo que mantiene números alineados a la derecha y texto alineado a la izquierda en las columnas de la derecha. El libro de trabajo está escrito con SheetJS, con anchos de columna establecidos a partir del valor más largo.
Errores y correcciones comunes
Usando un PDF escaneado. Si la vista previa está vacía o las páginas están listadas sin texto, la página es una imagen. Exportarlo con PDF a JPG y ejecutar Imagen a Texto primero, luego pegar el texto en una hoja de cálculo.
Escoger el estilo de número equivocado. Si 1.500 significa uno y medio en tu documento, elige el estilo decimal coma; de lo contrario se leería como mil quinientos. Cuando no esté seguro, elige Guardar como texto.
Esperando que las células fusionadas o envueltas sobrevivan. Una celda cuyo texto se envuelve en dos líneas en el PDF se convierte en dos filas. Arreglar estos en la hoja de cálculo, o ajustar el deslizador de sensibilidad y extraer de nuevo.
Consejos útiles y limitaciones
- Los PDF escaneados son imágenes sin capa de texto. Exportar las páginas con PDF a JPG y ejecutar Imagen a Texto (OCR) primero.
- Los códigos con ceros, porcentajes y fechas principales permanecen como texto para que nada se cambia silenciosamente. Conviertelas en tu hoja de cálculo si es necesario.
- Extrae sólo las páginas que sostienen la tabla (por ejemplo, 3-7) para mantener las páginas de portada y los términos fuera de su libro de trabajo.
- Una hoja por página hace que sea fácil comprobar cada página en el PDF; cambia a una hoja cuando desee una sola lista para ordenar y filtrar.
Preguntas frecuentes
¿Por qué algunas páginas PDF están vacías en el resultado?
Esas páginas no tienen texto seleccionable, generalmente porque son escaneados o fotos. Necesitan OCR (reconocimiento de texto) antes de extraer una tabla.
¿Por qué dos columnas se fusionaron en una?
Las columnas están muy unidas. Bajar la sensibilidad de la división de la columna y extraer de nuevo, por lo que los espacios más pequeños iniciar una nueva célula.
¿Se carga el PDF a un servidor?
No. El texto se lee con pdf.js en tu navegador y la hoja de cálculo se crea localmente.
¿Puede convertir un PDF protegido con contraseña?
Sí, si sabes la contraseña. Ingresa antes de extraer. Sólo se utiliza en tu navegador.
¿Por qué el CSV contiene todas las páginas?
Los archivos CSV no pueden contener varias hojas, por lo que el CSV siempre combina cada página extraída en una tabla, separada por filas en blanco.
¿Excel mostrará caracteres acentuados correctamente en el CSV?
Sí. El CSV se guarda como UTF-8 con una marca de orden de byte, que le dice a Excel que lee correctamente acentos y otras letras no inglesas.
Tus archivos se procesan en este navegador y no se cargan a ToolWorld Online. Nada se guarda después de cerrar la pestaña, así que primero guarda la descarga final.
Lee nuestra política de privacidad · Acerca de ToolWorld Online