De PDF a Excel automáticamente: cómo pasar las tablas de un PDF a una hoja de cálculo

Necesitas la tabla de un PDF como hoja de cálculo porque quieres sumarla, filtrarla, cuadrarla con otro archivo o cargarla en un sistema.

Si ya probaste copiar y pegar, o una exportación, y acabaste con números guardados como texto, celdas combinadas o una tabla repartida en diez hojas, te entendemos. No es culpa tuya: un PDF guarda caracteres en posiciones de una página y no tiene el concepto de tabla ni de fila, así que cada herramienta tiene que adivinar dónde está la tabla. Última evaluación: octubre de 2026.

La respuesta corta a cómo convertir un PDF a Excel automáticamente: comprueba si el archivo tiene capa de texto o es un escaneo, extrae la tabla con una herramienta que lea el layout y no solo el texto, une las piezas que van juntas (sobre todo las tablas que ocupan varias páginas), da a cada columna su tipo, exporta a Excel o CSV y comprueba que los totales siguen cuadrando. El resto de esta guía muestra dónde falla cada atajo y qué aguanta.

Si copias, pegas o exportas, te entendemos: la hoja no servía

Estas son las cuatro cosas que salen mal, y ninguna depende de lo cuidadoso que fueras:

• La tabla no es una tabla en el archivo. El texto copiado de un PDF llega a menudo como una celda por línea, o como una celda larga, porque el archivo solo sabe dónde está cada carácter.
• Las tablas de varias páginas se convierten en varias tablas. Un extracto o una lista de precios que ocupa ocho páginas son ocho fragmentos, cada uno con su cabecera repetida como si fuera un dato.
• Un escaneo no tiene texto que copiar. Si no puedes seleccionar el texto del PDF, no hay nada que exportar hasta que el OCR lea antes la imagen.
• Los números y las fechas llegan como texto. 1.234,56 en una configuración regional y 1,234.56 en otra, una fecha escrita como 03/04/2026, un signo menos en otro sitio: Excel no sumará ninguno hasta que arregles el tipo.

La historia no acaba ahí para la mayoría, porque la siguiente idea es usar las herramientas que ya tienes.

Así que recurres a las herramientas integradas, y te llevan a medias

Excel puede leer tablas de un PDF por sí mismo. Su conector de PDF de Power Query, disponible en Obtener datos, devuelve las tablas que encuentra en el archivo, puede combinar tablas similares en páginas consecutivas (la opción viene activada por defecto) y te deja decidir si las líneas de borde cuentan como límites de celda. La propia página de Microsoft dice qué esperar: en archivos grandes, elige las páginas de una en una o en rangos pequeños, y cuando las filas que ocupan varias líneas no se reconocen, límpialas en el editor (conector de PDF de Power Query, Microsoft Learn, consultado el 15 de octubre de 2026). No describe OCR para páginas escaneadas.

Adobe ofrece un conversor en línea que dice pasar las tablas del PDF a filas y columnas de Excel, en XLS y XLSX. La página menciona el OCR solo en relación con Acrobat Pro, así que no confirma que la herramienta gratuita lea escaneos (Adobe PDF a Excel, consultado el 15 de octubre de 2026).

Las librerías de Python como pdfplumber, Camelot y PyMuPDF te dan control y te cuestan código: cada una devuelve una tabla por página, así que las páginas las unes tú y las cabeceras repetidas las quitas tú. Probamos las tres sobre los mismos archivos en Extraer tablas de un PDF. Y pegar el PDF en un LLM falla por la longitud, por los motivos que contamos en cómo extraer datos de PDF largos con un LLM.

Los enfoques, lado a lado

La última fila es el patrón que aguanta, y es lo que hace un IDP agéntico. Para el caso general de extraer campos y no tablas, consulta cómo extraer datos estructurados de un PDF con un LLM.

La solución: un IDP agéntico con OCR

anyformat es procesamiento agéntico de documentos listo para la empresa: un OCR agéntico que convierte cualquier documento en datos de confianza, donde cada valor está validado y cita su origen. Está pensado para empresas con exigencias serias de seguridad, escala y auditoría, así que lo usan los responsables de los procesos y sus equipos de IT junto a los desarrolladores que lo evalúan e integran.

Describes las columnas una vez, como un esquema, y anyformat hace el resto. Parse lee cada página por separado, con OCR primero en los escaneos, y corrige el orden de lectura. Extract mira los bloques parseados de todas las páginas, reconoce qué fragmentos de tabla pertenecen a la misma tabla y los une en orden. Validate ejecuta tus reglas, y los valores con baja confianza van a un revisor dentro del mismo flujo. Lo usas por la API, los SDK de Python y TypeScript o el Studio sin código. La tabla es un campo object con columnas anidadas, y cada columna tiene un tipo:

{
  "name": "line_items",
  "description": "One row per line of the table, across all pages",
  "data_type": "object",
  "nested_fields": [
    { "name": "description", "data_type": "string", "description": "Item description" },
    { "name": "quantity", "data_type": "integer", "description": "Quantity" },
    { "name": "unit_price", "data_type": "float", "description": "Price per unit" },
    { "name": "amount", "data_type": "float", "description": "Row total amount" }
  ]
}

El resultado es una lista con una entrada por fila, y cada valor lleva una puntuación de confianza y el texto y la página de los que se leyó. Desde la plataforma descargas los resultados en CSV o Excel, de un documento en uno o en bloque, y el archivo de Excel conserva la estructura de la tabla, con hojas para las subtablas cuando las hay (documentación de anyformat, salidas, consultada el 15 de octubre de 2026). Los mismos resultados están disponibles por la API.

Cada valor lleva su evidencia, aguanta en documentos difíciles, es una empresa europea con ISO 27001 y GDPR, y el precio cubre el flujo completo, no solo la extracción. La medida que importa es cuántos documentos pasan sin que nadie los toque, y los equipos salen a producción en días, no en trimestres, con SDK, plantillas y evals para medir la precisión sobre la marcha.

Pruébalo con tu propio PDF: el plan gratuito incluye 50.000 créditos sin tarjeta, suficientes para procesar unos cientos de páginas y abrir tú mismo el archivo de Excel.

Si tus PDF son extractos bancarios o facturas, el mismo flujo está desarrollado en cómo extraer datos de extractos bancarios, que tiene una sección sobre exportar a Excel o CSV, y en la guía de la API de extracción de datos de facturas.

Cómo comprobar que la conversión de PDF a Excel es correcta

Una tabla que parece correcta puede estar mal, así que incorpora la comprobación al proceso:

• Cuenta las filas. Si el PDF dice "42 líneas", la hoja debería tener 42 filas. Un recuento distinto marca el archivo.
• Haz que los totales cuadren. La suma de los importes de las líneas debería coincidir con el subtotal impreso, y subtotal más impuestos con el total. Una regla de validación puede ejecutarlo en cada archivo.
• Revisa los tipos. Suma una columna: si Excel devuelve cero o un error, los números llegaron como texto. Ordena la columna de fechas: las fechas guardadas como texto se ordenan alfabéticamente.
• Mira las uniones. Abre a mano los saltos de página de un archivo de prueba: la última fila de una página y la primera de la siguiente son donde más probable es que una tabla se corte o se duplique.
• Usa la confianza. Fija un umbral y envía lo que quede por debajo a una persona que vea la página de origen junto al valor.

Lo que cuesta con anyformat

Los precios de anyformat son por créditos, por página y por operador. A precio de tarifa, Parse Standard son 25 créditos y Extract Standard 35 créditos por página, es decir 60 créditos por página; Agentic son 100 y 150 créditos, es decir 250 créditos por página. Un crédito cuesta 0,001 € en Business y 0,0015 € en el plan gratuito y de pago por uso. Para un PDF de 10 páginas, eso es:

Las reglas de validación se facturan aparte, por regla y una vez por extracción y no por página; consulta la página de créditos para la tarifa actual. Empieza con Standard y pasa a Agentic solo para los archivos en los que Standard se equivoque con una tabla.

Límites, dichos claramente

• Los escaneos y las fotos reducen la precisión en todos los métodos. Usa un umbral de confianza y un paso de revisión, y consulta OCR de PDF escaneado de mala calidad.
• Las tablas muy irregulares (celdas combinadas, tablas que cambian de columnas a mitad) necesitan una prueba con tus propios archivos antes de fiarte.
• El modo Agentic no admite todavía documentos de varios archivos (varios archivos tratados como un solo documento). Combina los archivos antes de subirlos o procésalos por separado.
• El manuscrito sigue siendo el punto débil de todos los enfoques. Prevé un paso de revisión.
• La precisión depende de tus documentos. Antes de fiarte de la cifra de cualquier proveedor, la nuestra incluida, prueba cincuenta documentos tuyos, cuenta las filas contra el original y mide la precisión a nivel de campo.

Cómo elegir

Para una tabla pequeña y limpia de vez en cuando, basta la importación de PDF de Excel o un conversor. Si conviertes PDF cada semana, si las tablas ocupan varias páginas, si algunos archivos son escaneos o si un número equivocado te cuesta algo, hazle a cada herramienta tres preguntas: ¿una tabla que ocupa varias páginas vuelve como una sola tabla?, ¿los números llegan como números? y ¿qué me dice que una fila está mal? Una herramienta que no sepa responder la tercera te fallará en silencio. Para ver en qué se diferencia del OCR simple, consulta IDP vs OCR.

Preguntas frecuentes

Empieza con tu PDF más complicado. Sube el archivo que rompe tu exportación actual, define las columnas que necesitas y abre el archivo de Excel con la confianza de cada valor y la página de la que salió. El plan gratuito incluye 50.000 créditos sin tarjeta.

Aviso: anyformat vende extracción de documentos; los criterios de la comparación y las fechas se indican.