Extractor de tablas PDF

Sacar una tabla de un PDF

Un PDF no contiene tablas. Contiene texto colocado en coordenadas y, a veces, líneas dibujadas alrededor de ese texto. La tabla es algo que tú ves al mirar la página. Cualquier herramienta que afirme «leer las tablas» está adivinando; la única pregunta honesta es qué tan buena es esa suposición, y aquí se te dice.

Dos formas de adivinar

La detección con líneas usa los bordes que el generador dibujó realmente. Las reglas horizontales y verticales se agrupan en una cuadrícula y cada palabra cae en la celda que le corresponde. Cuando el documento tiene bordes, el resultado es casi exacto, y por eso se reporta con confianza alta.

La detección por espacios sirve para la mayoría de los documentos reales, que no tienen bordes. Se recorre la página buscando huecos verticales que permanecen en blanco en muchas líneas consecutivas; esos pasillos se convierten en los límites de las columnas. Funciona bien con estados financieros, listas de precios e informes, y puede confundirse con un párrafo a dos columnas.

Deja el método en Automático y se ejecutan ambas pasadas, conservando el mejor resultado sin solapamientos.

Ajustar el resultado

• Las filas y columnas mínimas filtran el ruido. Una «tabla» de dos filas y dos columnas suele ser un título con una fecha.
• Páginas acepta all, 1-3 o 2,5,9. Analizar una página de un informe de 400 es mucho más rápido que analizarlo entero.
• Cada tabla detectada puede eliminarse antes de exportar. La detección es heurística: si encontró un párrafo, quítalo aquí en lugar de limpiar la hoja de cálculo después.

Exportación

• Un CSV por tabla, o todos juntos en un ZIP.
• Un CSV combinado, con una fila marcadora entre tablas para que se distingan.
• Un XLSX con una hoja por tabla, listo para Excel, LibreOffice, Numbers o Google Sheets. Las celdas que son números puros se escriben como números; lo que solo lo parece, como un código de factura con cero inicial, se queda como texto.

Cada CSV lleva marca de orden de bytes UTF-8, de modo que las tildes sobreviven al abrirlo en Excel para Windows.

Privacidad

El PDF se abre, se analiza y se exporta íntegramente en tu navegador. No se sube nada ni se hace ninguna petición de red durante el proceso.