Extraer tablas de un PDF a CSV
PDF a CSV encuentra filas de tabla alineadas en el texto de un PDF y escribe cada tabla detectada como archivo CSV; varias tablas vuelven en un ZIP. Necesita capa de texto y no devuelve nada para prosa o escaneos.
Arrastra archivos aquí, o haz clic para elegir
Admite PDF · hasta 500.0 MB por archivo · hasta 20 archivos a la vez
También puedes pegar un archivo con Ctrl/Cmd+V o desde el menú del portapapeles.
PDF a CSV ejecuta `pdftotext -layout`, busca líneas con dos o más espacios seguidos y escribe esas filas en CSV. Cada tabla detectada sale como `{base}_pN_tM.csv`. Sirve en PDF digitales donde las columnas ya alinean en el texto extraído.
Una tabla necesita al menos dos líneas tabulares seguidas. Prosa, una sola fila de encabezado o un escaneo sin capa de texto dan `no_content`: HTTP 204 y ningún archivo. El resultado vacío es a propósito, no un fallo silencioso.
Una tabla se convierte en una descarga `text/csv`. Varias tablas se empaquetan en un ZIP llamado `{base}_extracted.zip`. El campo `pageNumbers` de esta página se ignora; se exploran todas las páginas.
Esto no es OCR. Un escaneo solo imagen no tiene nada que `pdftotext` pueda leer. El OCR de este sitio devuelve Markdown, que no puedes reenviar aquí. Las columnas se parten en rachas de dos o más espacios; un solo espacio dentro de una celda se queda. Los valores van entrecomillados según RFC 4180.
PDF a Excel usa la misma heurística de maquetado. Excel guarda esas tablas como hojas de un mismo libro. CSV escribe un archivo por tabla. Ninguno reconstruye celdas combinadas, encabezados de color ni hojas ocultas del PDF.
Abre la descarga en una hoja de cálculo y comprueba los cortes de columna en unas cuantas filas. Las tablas apretadas sin un hueco de dos espacios suelen caer en una sola columna. Los archivos protegidos con contraseña se desbloquean por ti en esta página cuando introduces la contraseña; quien use la API debe pasar antes por Quitar contraseña.
La heurística de los dos espacios es el detalle clave. El convertidor no modela los límites de celda como los ve una persona: trata cualquier racha de dos o más espacios en el texto con el diseño conservado como un corte de columna. Funciona bien con tablas creadas por generadores de informes que rellenan las celdas a un ancho fijo, y falla con tablas dispuestas con un solo espacio entre columnas o con fuentes proporcionales que solo dejan un espacio entre ellas.
Los números, las fechas y los identificadores se escriben como texto, no como valores tipados de hoja de cálculo. Una columna de cifras llega al CSV como cadenas que contienen dígitos, así que los ceros iniciales se conservan y la fecha mantiene el formato que usara el PDF. Si necesitas aritmética u ordenar por fecha, convierte los tipos en la hoja de cálculo tras importar.
Las tablas muy anchas o muy altas pueden partirse entre páginas del PDF, y cada página se explora por separado. Una tabla que continúa en la página 2 se convierte en un segundo archivo `{base}_pN_tM.csv`. Recibes todos los fragmentos, pero tienes que concatenarlos tú; la herramienta no une una tabla a través de un salto de página.
El delimitador es fijo: la coma, y el entrecomillado sigue la RFC 4180, así que una celda que contenga una coma se envuelve entre comillas. No hay opción de emitir puntos y coma ni tabuladores. Si la configuración regional de tu hoja de cálculo espera puntos y coma, importa eligiendo explícitamente la coma como delimitador en vez de hacer doble clic en el archivo.
Un buen primer paso cuando el CSV sale vacío es comprobar si el texto del PDF se puede seleccionar de verdad. Abre el archivo e intenta resaltar una fila. Si no se resalta nada, el archivo es un escaneo y nunca saldrá un CSV; el OCR a Markdown es la herramienta que al menos te dará las palabras, aunque no en columnas.
Funciones
- `pdftotext -layout` más una heurística de columnas de dos espacios
- Un CSV por tabla, o un ZIP cuando hay varias
- Si la detección queda vacía, HTTP 204; no es OCR
- Los valores son texto RFC 4180; sin inferencia de tipos ni elección de delimitador
- API anónima en /api/v1/convert/pdf/csv
Cuándo usarla
- Llevar una tabla de factura digital a una hoja de cálculo
- Conservar las tablas de varias páginas como archivos CSV separados
- Alimentar con tablas de PDF alineadas por diseño un script que espera CSV
- Extraer una lista de precios de un informe financiero de ancho fijo
¿Cómo extraigo una tabla de un PDF a CSV?
- Sube un PDF que ya tenga texto seleccionable en columnas con aspecto de tabla.
- Pulsa Procesar. El campo de intervalo de páginas no lo lee el convertidor.
- Si hay una tabla, descarga el `.csv`. Si hay varias, el ZIP. Si no hay ninguna, obtienes un éxito vacío.
- Abre el CSV y comprueba los cortes. Un PDF de prosa no genera archivo.
Límites y casos límite
- Necesita texto seleccionable y un hueco de dos espacios entre columnas
- Sin OCR y sin un control de intervalo de páginas que funcione
- No reconstruye celdas combinadas ni estilos
- Todos los valores son texto sin tipo; sin elección de delimitador
- Las tablas que abarcan páginas llegan como fragmentos separados
- Límite de subida en este sitio web: 500 MB por archivo, enviado por partes a partir de unos 95 MB. El cuerpo de una sola petición directa a la API está limitado a 100 MB.
Ejemplos
- Un PDF de texto con una lista de precios de tres columnas suele convertirse en un único CSV de esas columnas
- Un extracto bancario escaneado sin capa de texto devuelve HTTP 204
- Un informe de cinco páginas con una tabla por página produce un ZIP con cinco archivos CSV
Privacidad de esta herramienta
Los archivos se suben por HTTPS, se procesan en memoria o en un directorio temporal de corta duración en nuestros servidores, y se eliminan cuando el resultado está listo. No conservamos copias para consultarlas después, entrenar modelos ni crear perfiles publicitarios. Consulte la Política de privacidad para los plazos de retención y las cookies de AdSense.
Preguntas frecuentes
- ¿Por qué no obtuve ningún CSV?
- No se encontró ningún bloque de dos o más líneas tabulares seguidas. Los escaneos, la prosa y las tablas sin un hueco de dos espacios fallan esta heurística. La API responde 204 `no_content`.
- ¿Puedo hacer OCR y luego convertir a CSV?
- No. El OCR devuelve Markdown. Esta herramienta solo lee PDF con pdftotext.
- ¿En qué se diferencia de PDF a Excel?
- La detección es la misma. CSV escribe un archivo por tabla (un solo CSV, o un ZIP si hay varias). Excel pone cada tabla en su propia hoja de un mismo libro.
- ¿La lista de páginas de este formulario hace algo?
- No. pdftotext separa las páginas por saltos de página y se explora cada una. No hay ningún parámetro de intervalo de páginas.
- ¿Por qué todas las columnas cayeron en una sola celda?
- El PDF solo ponía un espacio entre columnas, así que la regla de los dos espacios nunca se activó. Prueba a reexportar el origen con columnas de ancho fijo, o pasa por OCR a Markdown y divide el texto a mano.
- ¿Los números se importan como números?
- No. Todos los valores son texto plano. Los ceros iniciales se conservan y las fechas mantienen el formato del PDF. Convierte los tipos en la hoja de cálculo tras importar si necesitas ordenar o calcular.
- ¿Qué pasa con una tabla que ocupa dos páginas?
- Cada página se explora por su cuenta, así que una tabla larga produce varios fragmentos CSV. Únelos tú; la herramienta no fusiona tablas a través de un salto de página.
Última actualización:
Llámalo desde el código
Cada herramienta del sitio es un endpoint REST. Para uso anónimo no hace falta cuenta ni clave de API. Sirve igual para el navegador, para desarrolladores y para agentes de IA.
curl -X POST "https://pdf123.xyz/api/v1/convert/pdf/csv" \
-F "[email protected]" \
-F "pageNumbers=all" \
-o output.pdfTambién está disponible como herramienta MCP para clientes de agentes que hablan Model Context Protocol (JSON-RPC 2.0 por POST /mcp). Referencia completa de la API
Úsalo desde un agente de IA
SkillCon esta skill, Claude Code, Codex, Cursor y otros agentes de IA pueden usar «PDF a CSV» por ti: /skills/pdf123-pdf-to-csv.md
Los archivos se usan solo para este trabajo y se borran automáticamente después.