Cómo convertir PDF a CSV :
4 métodos que realmente funcionan

Tablas vs texto plano: Por qué importa

Antes de elegir un método, verifique qué tipo de datos contiene su PDF. El enfoque depende completamente de la estructura del PDF:

Método 1: Convertir en línea con CleverUtils

La opción más rápida para la mayoría de usuarios. CleverUtils maneja PDFs nativos, tablas sin bordes e incluso documentos escaneados con OCR. Sin instalación, sin cuenta requerida.

1. Vaya a cleverutils.com/es/pdf-to-csv
2. Cargue su PDF — arrastre y suelte, o haga clic en « Elegir archivo PDF ». Máx. 100 MB.
3. Para PDF escaneados: seleccione su idioma OCR en la lista desplegable antes de convertir.
4. Haga clic en « Convertir a CSV » — la conversión toma unos segundos para la mayoría de archivos.
5. Descargue el CSV — ábralo en Excel, Google Sheets o importe en su base de datos.

CleverUtils procesa todas las páginas de su PDF y combina datos extraídos en un único archivo CSV. Los archivos se cifran durante la transferencia y se eliminan automáticamente en 2 horas.

Método 2: Python con pdfplumber

pdfplumber es la mejor biblioteca Python para extraer tablas de PDFs. Entiende tablas con y sin bordes, le da coordenadas para cada carácter, y le permite ajustar parámetros de extracción.

Instalar pdfplumber

pip install pdfplumber

Extracción básica de tablas

Este script extrae todas las tablas de cada página de un PDF y las escribe en un archivo CSV:

import pdfplumber
import csv

with pdfplumber.open("invoice.pdf") as pdf:
    all_rows = []
    for page in pdf.pages:
        table = page.extract_table()
        if table:
            all_rows.extend(table)

with open("output.csv", "w", newline="") as f:
    writer = csv.writer(f)
    writer.writerows(all_rows)

print(f"Extracted {len(all_rows)} rows to output.csv")

Manejo de tablas sin bordes

Cuando las tablas no tienen bordes visibles, pdfplumber aún puede detectar columnas utilizando posiciones de caracteres. Use extract_table() con configuración personalizada:

# Para PDFs sin bordes de tabla visibles
table_settings = {
    "vertical_strategy": "text",
    "horizontal_strategy": "text",
    "snap_y_tolerance": 5,
    "intersection_x_tolerance": 15,
}

with pdfplumber.open("report.pdf") as pdf:
    page = pdf.pages[0]
    table = page.extract_table(table_settings)
    for row in table:
        print(row)

Convertir múltiples PDFs por lotes

import pdfplumber
import csv
from pathlib import Path

for pdf_file in Path("./invoices").glob("*.pdf"):
    csv_path = pdf_file.with_suffix(".csv")
    with pdfplumber.open(pdf_file) as pdf:
        rows = []
        for page in pdf.pages:
            table = page.extract_table()
            if table:
                rows.extend(table)
        with open(csv_path, "w", newline="") as f:
            csv.writer(f).writerows(rows)
    print(f"{pdf_file.name} -> {csv_path.name} ({len(rows)} rows)")

Método 3: Microsoft Excel (Obtener datos)

Microsoft 365 (Excel para 365) puede importar archivos PDF directamente usando la función Power Query / Obtener datos. Esta opción no está disponible en Excel 2016 o 2019 independiente — requiere una suscripción activa a Microsoft 365. Funciona bien para tablas simples y bien estructuradas.

1. Abra Excel y cree un nuevo libro en blanco.
2. Vaya a Datos → Obtener datos → Desde archivo → Desde PDF.
3. Seleccione su PDF del navegador de archivos.
4. Elija la(s) tabla(s) que desea importar desde el panel Navegador. Excel mostrará una vista previa de cada tabla detectada.
5. Haga clic en « Cargar » para importar los datos en su hoja de cálculo.
6. Guardar como CSV: Archivo → Guardar como → elija « CSV (delimitado por comas) (*.csv) » como formato.

Método 4: Google Sheets

Google Sheets no importa PDFs directamente, pero puede usar el OCR integrado de Google Drive para extraer el texto primero, luego copiarlo en Sheets.

1. Cargue el PDF en Google Drive.
2. Haga clic derecho en el PDF → Abrir con → Google Docs. Google usará OCR en el archivo y lo convertirá a un documento editable.
3. Seleccione los datos de la tabla en el Google Doc y cópielos (Ctrl+C / Cmd+C).
4. Abra una nueva Google Sheet y pegue (Ctrl+V / Cmd+V). Los datos llenarán las celdas.
5. Limpie los datos — ajuste anchos de columna, elimine filas adicionales, corrija errores de OCR.
6. Descargue como CSV: Archivo → Descargar → Valores separados por comas (.csv).

Comparación de métodos

Consejos para una salida CSV limpia

• Verifique la fila de encabezado. Algunos PDF tienen encabezados multilínea que se dividen en filas CSV separadas. Después de la conversión, verifique que sus encabezados de columna estén en una sola fila.
• Cuidado con las celdas combinadas. Las tablas PDF a menudo combinan celdas para títulos de grupo. Estos suelen convertirse en celdas vacías en CSV. Complételos manualmente o con un script después de la extracción.
• Maneje caracteres especiales. Las comas, comillas y saltos de línea dentro de valores de celda pueden romper el análisis de CSV. Los buenos convertidores (CleverUtils, pdfplumber) manejan el escape automáticamente. Si el suyo no, envuelva los valores entre comillas dobles.
• La codificación importa. Use codificación UTF-8 al guardar CSV para preservar caracteres acentuados, símbolos de moneda y texto no latino. En Python: open("out.csv", "w", encoding="utf-8-sig") (el -sig añade una BOM que ayuda a Excel a detectar UTF-8).
• Tablas multipágina. Cuando una tabla abarca múltiples páginas PDF, algunas herramientas extraen cada página como una tabla separada. En Python, omita la fila de encabezado en páginas posteriores para evitar duplicados.

Problemas comunes y soluciones