De tablas y formularios a una hoja de cálculo
Objetivo
Llevar los datos que viven en PDF a una hoja de cálculo que puedas ordenar y sumar.
El escenario. Tu club envió un formulario de inscripción en PDF a 40 socios y 31 lo devolvieron relleno. Aparte, la tesorera tiene las cuentas del año pasado como PDF, con una tabla de 60 filas. Quieres ambos en Excel.
Expectativa honesta. No existe un único botón de «PDF a hoja de cálculo» que funcione siempre. Lo que funciona depende de qué sea el PDF. Elige tu camino más abajo.
¿Qué camino? (decídelo antes de empezar)
| Tu PDF es | Usa | Resultado |
|---|---|---|
| Un formulario rellenable, rellenado y devuelto | Extraer datos de formulario | Un CSV por formulario (fiable: lee los campos reales) |
| Un PDF de texto con una tabla | Conversor de PDF a Excel con Extract tables only (extraer solo tablas) | Un XLSX (bueno para cuadrículas limpias, puede necesitar retoques) |
| El escaneo de una tabla | PDF buscable con Excel editable y Extraer solo tablas | Un XLSX a partir de texto reconocido (aproximado) |
| Un archivo de texto con columnas (TXT) | Converter de TXT a Excel, con el delimitador que corresponda | Un XLSX |
Lo que no produce una hoja de cálculo:
- Analizador de PDF (Parser) genera un ZIP con texto, imágenes, adjuntos, anotaciones, marcadores y datos de formulario (como un archivo XFDF pensado para software). No tiene archivo de tablas.
- Extraer texto da texto plano sin columnas.
- Añadir tabla a PDF va en el sentido contrario: de xlsx a un PDF.
Cadena
Camino de formularios: (División) → Extraer datos de formulario → abrir el CSV
Camino de tablas: (Desbloquear) → Converter (de PDF a Excel, solo tablas) [escaneos: Searchable → Excel]
Paso a paso
Camino A: de formularios a CSV
- Comprueba que son formularios reales. Abre uno en un visor: ¿puedes hacer clic dentro de un campo? Si un formulario se imprimió y se rellenó a mano, o se aplanó, no hay campos que leer (consulta la receta del formulario rellenable para ver por qué importa el orden).
- Si un archivo devuelto contiene varios formularios, usa antes División de PDF. Desbloquea los protegidos.
- Solo la misma plantilla. Los formularios de plantillas distintas dan columnas que no coinciden; haz cada plantilla por separado.
- Extraer datos de formulario: sube todos (no tiene opciones) y pulsa Extracto.
- Descarga el ZIP. Obtienes un CSV por formulario, form_data_summary.csv (estado, campos, una muestra) y form_data_export.csv (una línea por elemento, con punto y coma entre nombre y valor).
- Abre el CSV en una hoja de cálculo, importándolo como UTF-8 para evitar caracteres raros. Combina los CSV de cada formulario pegándolos bajo la misma cabecera.
Camino B: una tabla de un PDF de texto a XLSX
- Conversor, la página de PDF a Excel.
- Modo de exportación a Excel: Extract tables only (el valor por defecto es el documento completo, que queda menos ordenado).
- Pulsa CONVERTIR, descarga y abre en Excel.
- Variante: Converter de PDF a XML ofrece una opción Formato con Excel (Open XML); úsala solo si lo anterior deja tu tabla rota (compruébalo en la aplicación en funcionamiento).
Camino C: una tabla escaneada a XLSX
- Rotación PDF para que las páginas queden derechas.
- PDF buscable: idioma de los documentos que coincida, Corregir la inclinación de la imagen activado, Formato de salida: Excel editable (.xlsx), Extraer solo tablas activado.
- La salida en Excel se construye a partir del texto reconocido y se descarta la imagen de la página; las maquetaciones complejas solo se conservan de forma aproximada.
Resultado esperado
Camino A: un CSV con los nombres de los campos en la cabecera y las respuestas debajo. Caminos B y C: un XLSX con las tablas detectadas, que a menudo necesita limpieza manual (celdas combinadas, números partidos).
Comprueba que ha funcionado
- Camino A: cuenta las filas y compáralas con el número de formularios devueltos. Los archivos fallidos se marcan en el resumen.
- Caminos B y C: comprueba los totales con el PDF; un dígito mal leído parece un número real. El reconocimiento es una estimación.
- Abre un valor de CSV vacío y pregúntate si el formulario se aplanó o si el campo estaba realmente en blanco.
Variantes
- Datos de formulario para otra herramienta de PDF: Analizador de PDF da
formdata.xfdf(no apto para hojas de cálculo). - De vuelta a un PDF: más adelante, inserta una hoja limpia como tabla con Añadir tabla a PDF.
- Formularios en masa: para 200 formularios usa la CLI (plugin ExtractFormData) y consulta Repite la cadena todos los días.
Qué puede salir mal
- CSV con cabeceras pero sin valores. No se rellenó, o se aplanó.
- «No se encontró nada». Es un escaneo, o un PDF normal con líneas dibujadas.
- El resultado de Converter no es una cuadrícula limpia. La reconstrucción de PDF es aproximada; solo tablas ayuda, pero no siempre.
- Las celdas combinadas y las de varias líneas confunden a cualquier detección de tablas.
- Las firmas y los widgets inusuales pueden no dar valores útiles (compruébalo con tu formulario).
Por qué este orden
Los campos reales de un formulario superan a las conjeturas, así que los formularios usan el lector exacto. Para las tablas, los escaneos deben tener capa de texto antes de que nada pueda encontrar filas, así que el reconocimiento va antes de la conversión a Excel. Desbloquear y División van primero porque los extractores no pueden abrir archivos bloqueados ni separar formularios apilados.