En esta guía
Cargar facturas a mano es de las tareas más tediosas que existen, y de las más fáciles de hacer mal: son números, y un número mal tipeado no se nota leyendo. Extraer los datos del PDF acelera el trabajo, pero una factura tiene una estructura particular que conviene entender antes de intentarlo.
Una factura son dos documentos en uno
Cuando uno mira una factura ve una sola hoja, pero hay dos estructuras de datos completamente distintas conviviendo:
- La cabecera: datos sueltos, uno de cada. Número de comprobante, fecha, razón social, identificación fiscal, condición frente al IVA, totales. Cada dato aparece una sola vez y en el lugar que el diseñador de la factura decidió.
- El detalle: una tabla de verdad, con una fila por artículo y columnas de cantidad, descripción, precio unitario y subtotal.
Son dos problemas de extracción distintos y se resuelven con técnicas distintas. El detalle se trata como cualquier tabla de PDF: agrupando por coordenadas. La cabecera, no.
La cabecera: buscar por etiqueta, no por posición
La tentación es configurar coordenadas: "el número de factura está arriba a la derecha, a 5 cm del borde". Funciona con las facturas de ese proveedor, y se rompe con las del siguiente, porque cada empresa maqueta la suya distinto.
El método que resiste el cambio de formato es buscar por patrón: reconocer el dato por su forma y por la etiqueta que lo acompaña, sin importar dónde esté en la hoja.
| Dato | Cómo se reconoce |
|---|---|
| Identificación fiscal (CUIT) | Once dígitos, habitualmente con el formato dos - ocho - uno. Es un patrón muy específico y difícil de confundir con otra cosa. |
| Fecha | Dos dígitos, separador, dos dígitos, separador, dos o cuatro dígitos. Si hay varias en la hoja, la de emisión suele ser la primera o la que está junto a la palabra "fecha". |
| Número de comprobante | Va después de "N°", "Nro" o "Comp.". Suele tener el formato punto de venta - número, con ceros a la izquierda. |
| Tipo de comprobante | Las palabras factura, remito, nota de crédito o presupuesto, muchas veces con una letra al lado. |
| Totales | La etiqueta, dos puntos opcionales, y el importe. Siempre anclado a la palabra, nunca por posición. |
| CAE y vencimiento | En comprobantes electrónicos, un número largo de catorce dígitos junto a una fecha, normalmente al pie. |
La trampa de los importes parecidos
Este es el error más caro y el más fácil de cometer. En una factura hay muchos números que parecen totales: subtotal, descuentos, IVA al 21%, IVA al 10,5%, percepciones de ingresos brutos, impuestos internos, y el total final.
La heurística ingenua —"tomar el último número grande de la página"— falla apenas la factura tenga una percepción al pie, o un pie de página con un teléfono largo. Y falla en silencio: te devuelve un número plausible que no es el que corresponde.
La única forma robusta es anclar cada importe a su etiqueta: el total es el número que está a la derecha o inmediatamente después de la palabra "TOTAL", no el último de la hoja. Y cuando hay varias alícuotas de IVA, hay que capturarlas por separado, porque sumarlas mal cambia la base imponible.
Es un vistazo de dos segundos y es lo único que garantiza que no estás cargando el subtotal en lugar del total. Con facturas, un error acá se arrastra a toda la contabilidad del mes.
El detalle de artículos
El detalle se comporta como cualquier tabla, con dos particularidades propias de las facturas:
- Las descripciones largas ocupan dos o tres líneas, lo que genera filas huérfanas donde solo esa columna tiene contenido. Se detectan porque cantidad, precio y subtotal están vacíos.
- La última fila no siempre es un artículo. Muchas facturas meten los totales inmediatamente debajo del detalle, sin separación visual clara, y la extracción los toma como un renglón más. Se filtran porque la descripción dice "Subtotal", "IVA" o "Total".
La verificación aritmética
Acá está la gran ventaja de las facturas sobre cualquier otro documento: una factura se verifica sola, porque sus números tienen que cerrar entre sí. Son dos controles y ambos se hacen con una fórmula:
- Por renglón: cantidad × precio unitario debe dar el subtotal de esa línea. Poné la fórmula en una columna auxiliar y restá el subtotal extraído. Todo lo que no dé cero señala una fila donde algún número se leyó mal.
- Del total: la suma de los subtotales, más los impuestos, menos los descuentos, tiene que dar el total de la cabecera.
Si los dos controles cierran, la extracción es correcta. No "parece correcta": es correcta, porque la probabilidad de que dos errores se compensen exactamente es despreciable. Ningún otro tipo de documento te da una garantía así.
Este control es especialmente importante si la factura era un escaneo y pasó por OCR, donde confundir un 8 con un 3 es perfectamente posible. La aritmética lo detecta al instante.
No compares con igualdad exacta: usá una tolerancia de un centavo. Muchos sistemas redondean cada renglón y otros redondean solo al final, así que una diferencia de centavos es normal y no indica un error de extracción.
Procesar muchas facturas del mismo proveedor
Si recibís todos los meses facturas del mismo emisor, el trabajo se vuelve mucho más liviano después de la primera: el formato se repite, las etiquetas están siempre en el mismo lugar y ya sabés cuáles son las columnas del detalle y dónde mirar los totales.
Conviene armar una planilla con una fila por factura para la cabecera —proveedor, número, fecha, neto, IVA, total— y una hoja aparte para los detalles, enlazadas por el número de comprobante. Esa estructura es la que después te deja filtrar, sumar por mes y cruzar contra los pagos.
Extraer datos de un PDF sirve para acelerar la carga y para controlar, pero no reemplaza al comprobante como respaldo ni a la información oficial del organismo fiscal. Para la registración contable, el PDF extraído es una ayuda de trabajo; los datos válidos son los del comprobante emitido. Si tenés dudas sobre cómo registrar algo, consultá con tu contador.
Probalo con tu propio PDF
Extractor PDF hace todo esto en tu navegador: el archivo no se sube a ningún servidor. Es gratis y no pide registro.
Lo que hay que recordar
Una factura se extrae en dos partes: la cabecera buscando cada dato por su etiqueta y por su forma, nunca por su posición en la hoja, y el detalle como una tabla común. Y a diferencia de cualquier otro documento, la factura trae incorporada su propia prueba: si los renglones multiplican bien y el total cierra, la extracción está verificada.
Seguí leyendo
La primera pregunta que hay que responder antes de intentar extraer nada. De acá depende el método que funcion…
TablasPor qué las tablas se desarman al extraerlas, qué hace por dentro una herramienta de extracción y cómo arregla…
OCRNúmeros honestos sobre qué tan bien funciona el reconocimiento de texto, qué lo arruina en orden de importanci…