Cómo sacar de un PDF una hoja de cálculo utilizable
Un PDF no sabe que contiene una tabla. Guarda trozos de texto, cada uno con una posición en la página — y lo que tu ojo lee como filas y columnas es en realidad alineación. Convertir un PDF a Excel significa reconstruir esa estructura a partir de la geometría: agrupar el texto que está a la misma altura y luego encontrar las fronteras verticales donde acaba una columna y empieza la siguiente. Esta página hace ese trabajo en local, te enseña el resultado y sólo entonces construye el archivo.
Por qué detectar columnas es lo difícil
Una columna se delata por repetición. Una columna alineada a la izquierda empieza todos sus valores en la misma posición; una columna de importes suele ir alineada a la derecha, así que los finales coinciden y los comienzos se dispersan. Mirar sólo uno de esos bordes falla en casi la mitad de los documentos reales. Aquí se leen los dos, se conservan las fronteras que se repiten en muchas filas y se descarta la casualidad.
Encabezados, pies y celdas que se parten
Un documento real no es sólo cuadrícula. Hay un nombre de empresa arriba, un aviso legal abajo y descripciones lo bastante largas como para pasar a una segunda línea. Tratado de forma ingenua, cada una de esas cosas se convierte en su propia fila y la hoja llega llena de basura. Por eso una línea con un solo valor se trata como continuación: o forma parte de la celda de arriba, o es adorno de página y se descarta. Y por eso importa la vista previa.
Lo que esto no puede hacer
Si el PDF viene de un escáner, cada página es una fotografía. No hay texto con posición y no hay nada que reconstruir, así que no sale nada. Conseguirlo exigiría OCR, es decir descargar un modelo de reconocimiento de decenas de megabytes y aceptar otra clase de errores. No está incluido aquí, y la herramienta lo dice claramente cuando no encuentra texto, en lugar de entregarte un archivo vacío.
Por qué funciona en tu navegador
Los documentos con tablas que vale la pena extraer son precisamente los delicados: extractos bancarios, facturas, nóminas, listas de precios. Subirlos a un conversor desconocido es entregar una copia a un servidor del que no sabes nada. Aquí el PDF lo lee PDF.js — el mismo motor de código abierto que usa Firefox — dentro de esta página, y la hoja se arma en memoria.
Cómo obtener un resultado más limpio
Unos pocos hábitos separan la hoja que puedes usar de la que hay que rehacer. Si el documento tiene varias tablas con formatos distintos, extrae y quédate sólo con las páginas que importan — un diseño mezclado confunde a cualquier detección de columnas, también a las de pago. Si la tabla continúa en las páginas siguientes, elige una sola hoja para que las filas queden en un único bloque en vez de reiniciarse en cada pestaña. Si el PDF nació de una hoja de cálculo, pide el original a quien te lo envió: ninguna extracción es tan fiel como el archivo que generó el documento. Y lee siempre la vista previa antes de descargar.
¿Quieres profundizar? Lee la guía: Cómo convertir un extracto bancario en PDF en una hoja de Excel