Un script de Python que extrae a Excel las tablas de sus informes, listas de precios o extractos en PDF

Ejemplo de resultado

python merge_sales.py --month 2026-10

2026-11-02 09:14:03 INFO  Carpeta: sales/2026-10, 9 archivos encontrados
2026-11-02 09:14:03 INFO  shop-01.csv: 1.284 filas
2026-11-02 09:14:04 INFO  shop-02.xlsx: 967 filas
2026-11-02 09:14:04 WARN  shop-07.csv: 3 filas sin precio omitidas (líneas 88, 412, 913)
2026-11-02 09:14:05 INFO  Listo: 10.412 filas -> report-2026-10.xlsx (hojas “Ventas” y “Totales”)

[columns]
date = Fecha, Fecha de venta, Día
product = Producto, Artículo, Nombre
quantity = Cant., Cantidad, Uds.
price = Precio, Precio unitario

def read_shop_file(path: Path, columns: dict[str, list[str]]) -> pd.DataFrame:
    """Lee el archivo de una tienda y le da los nombres de columna del informe."""
    table = pd.read_excel(path) if path.suffix == ".xlsx" else pd.read_csv(path, encoding="utf-8-sig")
    renamed = {}
    for name, variants in columns.items():
        found = next((c for c in table.columns if c.strip() in variants), None)
        if found is None:
            raise ReportError(f"{path.name}: no hay columna para '{name}' (se buscó {', '.join(variants)})")
        renamed[found] = name
    table = table.rename(columns=renamed)[list(columns)]
    table["shop"] = path.stem
    return table

Acerca de este servicio

Las listas de precios de proveedores, los informes bancarios o de marketplaces y los listados de stock a menudo llegan solo en PDF, y al copiar sus tablas a Excel las columnas se descolocan. Este script de Python lee las tablas de sus PDF y las escribe en Excel o CSV con las columnas en su sitio: une una tabla que ocupa muchas páginas, quita las filas de encabezado repetidas y los pies de página y, desde Estándar, convierte 1 234,50 o (120.00) en números de verdad y las fechas en fechas. Está ajustado a la estructura de sus archivos, así que envíe uno o dos PDF típicos o la misma estructura con cifras inventadas. El PDF debe contener texto real, como la mayoría de archivos guardados desde un programa; los escaneos y las fotos de papel necesitan reconocimiento de texto, que no se incluye. El script lo ejecuta usted y comprueba los totales.

Qué incluye

• Qué recibeUn archivo ZIP con el script de Python, un README con instrucciones paso a paso y, desde Estándar, un archivo de configuración con nombres de columnas y páginas; el código también se muestra en la página del pedido.
• Ajustado a su estructuraHecho y probado con los archivos de muestra que envía
• Columnas en su sitioUna fila del PDF es una fila en Excel
• Muchas páginas unidasUna tabla larga se convierte en una hoja sin encabezados repetidos
• Números de verdadDesde Estándar, importes y fechas que puede sumar y ordenar
• Código legibleCon comentarios, fácil de ajustar si cambia la estructura

Cómo funciona

1. 1
   MuestrasUsted envía uno o dos PDF típicos y muestra la tabla que necesita
2. 2
   CódigoEscribimos el script para esa estructura y la guía para ejecutarlo
3. 3
   PruébeloLo ejecuta con sus archivos y compara los totales con el PDF
4. 4
   CambiosPide cambios dentro de su paquete y nos envía cualquier mensaje de error

Qué necesitamos de usted

Uno o dos PDF típicos de los que recibe (o la misma estructura con nombres y cifras inventados), qué tabla y en qué páginas necesita, y las columnas que quiere en Excel. Cómo se escriben los números en ellos (comas, espacios, signos menos o paréntesis) y el formato de fecha. Si todos sus archivos comparten una estructura o hay varios tipos, cuántos archivos procesa aproximadamente y su sistema: Windows, macOS o Linux.

Le preguntaremos:

• ¿Qué PDF son?
• ¿Qué columnas necesita en Excel?
• ¿Todos sus archivos son iguales?
• ¿Dónde se ejecutará?

Comparar paquetes

Preguntas y respuestas

¿No encontró su respuesta? Pregúntenos