Extract tables from PDF files and export as CSV. Table detection based on text positioning — 100% local, no upload.
Table detection uses text positioning heuristics. Scanned PDFs (images) require OCR and may not produce accurate results. For best results, use PDFs with selectable text.
A PDF table is not a table — it is a scatter of text items, each carrying a string and an(x, y) position from its text matrix. To recover a spreadsheet, this tool clusters items by Y into rows, sorts each row by X into columns, merges cells that are nearly touching, and emits the result as CSV rows and columns. The heuristics handle clean, text-based tables well; scanned pages have no text items to cluster, so they require OCR first.
Rows are recovered from shared Y baselines, columns from left-to-right X order, and cell boundaries from gaps between items. The CSV keeps numeric cells unquoted so Excel imports them as real numbers.
A one-page invoice from a web shop has a 3-column line-item table plus a totals block.
Extract tables from PDF files and export as CSV. Everything runs locally; nothing is uploaded.
FreeToolHub PDF to Excel Converter is a free browser-based tool — extract tables from PDF files and export as CSV. No signup, no upload; everything runs locally in your browser.
Extrae tablas de archivos PDF y expórtalas como CSV. Detección de tablas basada en la posición del texto. 100% local — sin subidas, sin registro, sin marcas de agua.
El conversor de PDF a Excel encuentra tablas dentro de documentos PDF y las exporta como archivos CSV que puedes abrir en Excel, Google Sheets o Numbers. Construido sobre el renderizador pdf.js de Mozilla, recorre cada página de tu documento, lee la posición de cada fragmento de texto y reconstruye filas y columnas a partir de esas coordenadas. Las tablas detectadas aparecen en una vista previa desplazable con encabezados fijos, etiquetadas por número de página y por número de filas y columnas, y una barra de progreso sigue los archivos de varias páginas en tiempo real. La exportación entrecomilla cada celda y escapa las comillas incrustadas, de modo que las comas dentro de los valores sobreviven intactas. Los archivos se quedan en tu equipo; el worker de análisis se carga localmente y no se transmite nada.
Contadores y analistas extraen cifras de extractos bancarios, facturas y memorias anuales a hojas de cálculo sin volver a teclearlas. Investigadores extraen las tablas de resultados de artículos publicados para metaanálisis. Personal de compras y operaciones convierte listas de precios de proveedores e informes de inventario que llegan como adjuntos PDF. Estudiantes toman tablas de datos de libros de texto y publicaciones gubernamentales para trabajos. Y los consultores que trabajan con documentos confidenciales de clientes son los que más se benefician de la arquitectura: como el análisis se ejecuta en el navegador mediante pdf.js, un PDF financiero sensible nunca viaja a un servidor de conversión que podría almacenarlo. La contrapartida que conviene saber de antemano es que el detector lee coordenadas de texto, así que rinde muy bien con PDF digitales basados en texto y le cuesta con los escaneados, algo que se explica más abajo.
(1) Selecciona un PDF; la página acepta archivos hasta el límite de tamaño que se muestra en el panel de subida y rechaza lo que no sea PDF. (2) Pulsa Extract Tables y pdf.js analiza el contenido de texto de cada página con sus coordenadas. El detector agrupa los elementos de texto en una fila cuando sus posiciones verticales están a menos de 3 píxeles entre sí, ordena cada fila de izquierda a derecha por posición horizontal, y divide las celdas donde los elementos vecinos estén a más de 20 píxeles de distancia. Las filas con menos de dos columnas se descartan como texto corrido. (3) Revisa las tablas página por página y luego pulsa Download CSV; cada sección lleva delante un comentario «# Page N» y las celdas se escapan con comillas para una importación limpia en la hoja de cálculo.
No, y saber por qué te ahorra tiempo. Un PDF escaneado es una pila de imágenes: no contiene objetos de texto que pdf.js pueda leer, así que el detector basado en coordenadas no encuentra nada y la herramienta informa de que no se detectaron tablas. Lo mismo ocurre con PDF en los que la tabla se dibujó como líneas vectoriales con el colocado del texto de forma dispersa. La solución es pasar primero el escaneado por una herramienta de OCR, que convierte la imagen en texto seleccionable conservando las posiciones aproximadas, y traer luego ese resultado aquí. Para PDF digitales nativos —exportaciones de Word, Excel, LaTeX o herramientas de informes— la extracción es fiable, incluidas las tablas financieras de varias filas, porque la agrupación por filas tolera tres píxeles de fluctuación vertical entre fragmentos de texto.
Los PDF limpio basados en texto con tablas delimitadas se extraen celda por celda: facturas, extractos y memorandos se convierten con las cifras y los encabezados en las columnas correctas. Los PDF escaneados son imágenes, así que sus tablas no se pueden extraer como datos sin OCR. La herramienta muestra las tablas detectadas página por página antes de que descargues, así que la precisión se puede comprobar de un vistazo en lugar de ser una apuesta.
Sí: cada tabla detectada se extrae y se lista página por página, y obtienes todas en la salida, no solo la primera. Los informes financieros de varias páginas y los extractos paginados son el caso habitual. Revisa la vista previa para confirmar que se han detectado las tablas de cada página antes de exportar.
Obtienes un archivo de hoja de cálculo con las tablas extraídas como celdas, listo para abrir en Excel, Google Sheets o LibreOffice. Los números llegan como números (no como texto), así que ordenar, hacer fórmulas y crear tablas dinámicas funcionan de inmediato: ese es justamente el objetivo de sacar datos de un PDF.
No. La detección y extracción de tablas se ejecutan por completo en tu navegador: los extractos bancarios, las facturas y los informes internos nunca salen de tu dispositivo. No hay espera de subida ni hace falta cuenta, y la herramienta sigue funcionando sin conexión una vez cargada.
It analyzes text positioning on each PDF page to identify tabular data. Cells are detected by their x/y coordinates and grouped into rows and columns based on alignment. The extracted table is exported as CSV, which opens directly in Excel, Google Sheets, or Numbers. Accuracy depends on how well-structured the original PDF table is.
No. This tool extracts text from digitally created PDFs (where text is encoded as characters). Scanned PDFs (images of pages) require OCR first. For scanned tables, use the AI Data Extractor tool which includes OCR. Both tools run 100% in-browser—no file upload to cloud servers.
Esta herramienta también se conoce por estas tareas — cada enlace abre la misma herramienta con una guía enfocada:
What do you call a really smart cookie?
No signups, no data sold. Every tool is free to use — the free tier allows 5 downloads or saves per day, and the optional Pro plan ($7/mo, $59/yr) adds unlimited downloads, batch processing, white-label exports and an ad-free experience.
☕Support me on Ko-fi— support the free tier100% of proceeds go towards hosting & building more free tools.