Extraeré tablas de tu PDF a una hoja de cálculo de Excel limpia

La mayoría de los resultados de "PDF a Excel" son una captura de pantalla en una celda, o una tabla con tres filas fusionadas de basura en medio. Obtienes una hoja de cálculo que realmente puedes usar.

Lo que hago diferente, y por qué importa

Las notas al pie viajan con los datos. Las tablas de estadísticas llevan notas que cambian el significado de los números, diferentes denominadores, definiciones revisadas, "los datos desde 2019 en adelante han sido reponderados". La mayoría de las extracciones eliminan esas notas. El resultado es una hoja de cálculo que parece correcta y está silenciosamente equivocada. Las llevo a la hoja.

Las tasas y niveles se colocan en columnas separadas y con nombre. Cuando una tabla mezcla miles y porcentajes, cada columna recibe un nombre que indica qué es. No descubrirás que "21.0" era una tasa simplemente ordenándola y preguntándote por qué los totales no tienen sentido.

No se adivina nada. Si una página es ilegible, una celda es ambigua o falta una cifra, obtienes un espacio en blanco y una línea en mis notas diciendo eso. No lleno un hueco con un número que parece plausible.

Ejemplo trabajado disponible en la galería de gigs: un boletín del mercado laboral de 37 páginas de la Oficina de Estadísticas Nacionales del Reino Unido, con cuatro tablas extraídas en un libro de trabajo de cuatro hojas con notas al pie intactas y totales verificados en 15 áreas, 4 conjuntos de datos.