Un cliente le envía por correo electrónico una factura en PDF con 47 partidas. Necesita los totales en una hoja de cálculo de Excel para su software de contabilidad. La factura es una imagen escaneada, por lo que no puedes simplemente seleccionar y copiar los números. Podrías volver a escribir cada línea manualmente, lo que llevaría 15 minutos e introduciría al menos un error tipográfico. O puedes extraer los datos automáticamente y tener una hoja de cálculo limpia en menos de dos minutos.
Convertir facturas en PDF y documentos financieros a Excel es uno de los casos de uso de PDF a Excel de mayor valor porque reemplaza la entrada manual de datos propensa a errores con extracción automatizada. La tecnología ha madurado hasta el punto en que las facturas bien estructuradas con diseños de tabla claros se convierten de manera confiable, incluidos los artículos en línea, las cantidades, los precios unitarios y los totales.
Comprobar si su factura está lista para la extracción de datos
Antes de intentar la extracción, determine qué tipo de PDF tiene. Intente seleccionar los números de la factura haciendo clic y arrastrando. Si puede seleccionar números individuales y copiarlos, el PDF contiene datos de texto reales. La extracción será sencilla. Si al hacer clic se selecciona toda la página como un solo bloque o no se selecciona nada en absoluto, la factura es una imagen escaneada. La extracción requiere OCR como primer paso, que es menos preciso pero mucho más rápido que la entrada manual.
Verifique el diseño de la factura. Una tabla simple con encabezados de columna claros, Descripción, Cantidad, Precio unitario, Total y una fila por artículo de línea, convertirá con una precisión casi perfecta. Una factura con celdas fusionadas, descripciones de varias líneas, subtotales intercalados con artículos de línea o filas de descuento que abarcan varias columnas se convertirá de manera menos limpia porque el algoritmo de detección de tablas tiene problemas con patrones irregulares de filas y columnas. Cuanto más regular sea la estructura de la tabla, mejores serán los resultados de la extracción.
Paso a paso: extraer datos de facturas a Excel
Si la factura es un PDF basado en texto, la herramienta PDF a Excel maneja la extracción directamente. Sube el PDF. Seleccione Excel como formato de salida. La herramienta analiza el diseño de la página, detecta la estructura de la tabla y exporta los datos a un archivo .xlsx. Abra la hoja de cálculo resultante. Las líneas de pedido deben aparecer en filas con cada columna de la factura original en una columna de Excel separada. Los encabezados de las columnas de la factura deben aparecer en la primera fila.
Si la factura es una imagen escaneada, primero ejecute OCR usando la herramienta OCR. El proceso de OCR agrega una capa de texto a las páginas escaneadas. Luego ejecute la conversión de PDF a Excel en el archivo procesado por OCR. Este flujo de trabajo de dos pasos maneja el escenario más común del mundo real: una factura en PDF que se imprimió, firmó y escaneó nuevamente en una computadora. El paso OCR reconoce el texto. El paso de conversión de Excel lo extrae a una hoja de cálculo.
Limpiar los datos extraídos
Después de la extracción, espere hacer un poco de limpieza. Los problemas más comunes son valores numéricos que se reconocieron como texto, símbolos de moneda fusionados con números en un solo campo de texto, fechas con formato inconsistente y valores negativos representados con paréntesis o un signo menos al final que Excel no reconoce como un número.
Para valores de moneda almacenados como texto, como "$1234,56" en una celda que Excel trata como una cadena, use la función VALOR de Excel con SUSTITUTO para eliminar el signo de dólar y la coma: =VALOR(SUSTITUTO(SUSTITUTO(A1,"$",""),",","")). Esto convierte el texto en un número que se puede sumar y calcular. Para una columna completa, aplique la fórmula a la primera fila y arrástrela hacia abajo. Para las fechas, utilice la función DATEVALUE o el asistente de texto a columnas de Excel con el formato de fecha especificado. Estos pasos de limpieza toman unos minutos por hoja de cálculo y producen un archivo Excel completamente funcional a partir de lo que comenzó como un PDF estático.
Verificación de los totales extraídos con la factura original
Después de la limpieza, verifique los datos extraídos con la factura original. Sume los totales de las partidas individuales en Excel y compare la suma con el total de la factura. Si las cifras coinciden, la extracción fue precisa, al menos en lo que respecta a las cantidades en dólares. Verifique algunas líneas individuales comparando la factura original con la fila correspondiente en la hoja de cálculo. Marque el primer elemento, un elemento intermedio y el último elemento. Si coinciden, la extracción es fiable.
Si los totales no coinciden, escanee la hoja de cálculo en busca de filas donde la extracción colocó datos en las columnas incorrectas. Un error común es la descripción de una línea de pedido que contiene un número, como "Widget modelo 3, paquete de 5", "Widget Model 3, Pack of 5" (Widget modelo 3, paquete de 5). donde el motor de extracción interpretó "3" como cantidad y "5" como precio unitario, creando artículos de línea fantasma. Estos artefactos de extracción son fáciles de detectar porque producen filas de datos sin sentido. Elimine las filas de artefactos y vuelva a sumar. Los totales deben converger a los valores correctos.
Manejo de facturas de varias páginas y lotes de facturas
Para una única factura que abarque varias páginas, convierta todas las páginas en una sola operación. WukongPDF procesa cada página y exporta los datos combinados en una hoja de cálculo. Si cada página tiene su propia tabla, las tablas se apilan verticalmente en la hoja de cálculo con una fila en blanco o una fila de encabezado entre ellas. Consolide las tablas eliminando los encabezados duplicados y uniendo las filas de datos.
Para un lote de facturas múltiples, tal vez el valor de las facturas de proveedores de un mes, procese cada factura individualmente y consolide los resultados en una hoja de cálculo maestra. Cree una plantilla con columnas para Proveedor, Número de factura, Fecha, Descripción del artículo en línea, Cantidad, Precio unitario y Total. Copie los datos extraídos de cada factura en la plantilla. Este enfoque estructurado produce un registro de todas las facturas que se puede buscar, ordenar y preparar para fórmulas. La herramienta Extract PDF Data admite PDF Converter el procesamiento por lotes de múltiples facturas en una sesión, generando hojas de cálculo individuales para cada factura que se pueden consolidar rápidamente en la plantilla maestra. El tiempo ahorrado en comparación con la entrada manual de datos aumenta linealmente con el número de facturas. Una factura ahorra 10 minutos. Cien facturas ahorran una jornada laboral entera.
Un detalle práctico para el procesamiento recurrente de facturas: si recibe facturas del mismo proveedor cada mes, cree una plantilla de Excel preconfigurada con las fórmulas y asignaciones de columnas para el diseño de factura de ese proveedor. La primera vez que extraiga una factura de ese proveedor, observe qué columnas de Excel corresponden a qué campos de la factura. Configure fórmulas de SUMA para los totales de las partidas individuales, una fórmula de validación que compara la suma con el total de la factura y formato condicional para resaltar las discrepancias. Guárdelo como plantilla específica de su proveedor. El mes que viene, cuando extraigas la nueva factura, pega los datos en la plantilla y las fórmulas y el formato ya estarán implementados. Durante un año de facturas mensuales, este enfoque de creación de plantillas ahorra horas de trabajo de configuración repetitivo y prácticamente elimina el riesgo de errores de fórmula al reingresar manualmente. Para las organizaciones que procesan facturas de docenas de proveedores recurrentes, una carpeta de plantillas específicas de proveedores convierte la extracción de datos de facturas de una tarea semanal a una operación de pegar y verificar.