¿Por qué los números de un PDF se importan como texto?

Los dígitos se ven bien, pero SUMA devuelve 0 y ordenar pone el 100 antes que el 9. Por qué los números convertidos terminan como texto y cómo arreglarlo.

Por

Founder & Developer of PDFtoWord

Extraes una tabla de un PDF, los números aparecen exactamente donde deberían, y luego =SUMA(B2:B20) devuelve 0. O la columna se ordena 1, 10, 100, 2, 20 en lugar de numéricamente. Excel te está diciendo, a su manera indirecta, que lo que parece un número en esa celda es en realidad una cadena de texto que resulta estar hecha de dígitos.

Un PDF almacena el texto como caracteres colocados en una página: no tiene concepto de “esto es un número” frente a “esto es una etiqueta”, ambos son simplemente glifos en coordenadas. Cuando un conversor reconstruye una tabla a partir de eso, lee lo que visualmente es una columna numérica y la coloca en celdas como el texto literal que vio, dígito por dígito. La mayoría de las veces la propia detección de tipo de Excel lo capta y lo convierte automáticamente, pero un formato específico en el PDF de origen derrota esa detección de forma consistente: un símbolo de moneda o separador de miles incorporado en el texto, como $1,240.00 o 1.240,50 en formato europeo, se lee como texto por el símbolo y los caracteres separadores, no porque el número subyacente esté mal; un espacio al principio o al final copiado junto con los dígitos durante la extracción es invisible en la celda, pero suficiente para que Excel lo trate como texto; los números entre paréntesis para negativos, como la notación contable (450.00) para -450, son un patrón de texto que Excel no reinterpreta automáticamente como un valor negativo; y un espacio de no separación u otro carácter Unicode invisible procedente de la codificación de fuente del PDF original, colocado entre dígitos o como separador, produce el mismo efecto.

La solución rápida en la mayoría de los casos es Texto en columnas: selecciona la columna afectada y ve a Datos → Texto en columnas → Delimitados → Finalizar. No necesitas dividir nada en realidad; pasar una columna por este asistente y hacer clic hasta Finalizar obliga a Excel a reevaluar el tipo de cada celda desde cero, convirtiendo el texto genuinamente numérico en números reales como efecto secundario. Esto resuelve la gran mayoría de los casos en una sola acción, incluido el problema del espacio invisible, sin que necesites identificar cuál era el problema específico.

Si eso no lo resuelve del todo, hay tres alternativas según el caso. Multiplicar por 1 en una celda vacía, escribiendo =B2*1 y arrastrando hacia abajo, fuerza una conversión numérica celda por celda. Eliminar símbolos de moneda y separadores directamente con =VALOR(SUSTITUIR(SUSTITUIR(B2,"$",""),",","")) quita los caracteres específicos que estaban derrotando la detección antes de convertir. Y si una columna tiene números entre paréntesis, =VALOR(SUSTITUIR(SUSTITUIR(B2,"(","-"),")","")) convierte (450.00) en un -450 real.

Para conseguir una extracción más limpia desde el principio, PDF a Excel funciona mejor en PDFs donde la tabla tiene texto genuino que puedes seleccionar con el cursor en el original: los números existen como caracteres reales, no como una fotografía de ellos, lo que le da a la extracción la mejor oportunidad de leer dígitos limpios sin caracteres de formato sueltos pegados. Una tabla en PDF escaneada se lee mediante OCR en lugar de extracción directa de texto, lo que es más propenso justo al tipo de ruido de caracteres sueltos que produce números formateados como texto; consulta Convertir un extracto bancario en PDF a Excel para más sobre cómo conseguir un resultado limpio en ese caso concreto, muy habitual.

Una vez que los números se comportan como números —SUMA devuelve un total real, el orden se comporta numéricamente—, el resto de la hoja funciona con normalidad: las fórmulas, el formato condicional y los gráficos leen la columna correctamente a partir de ese momento. PDF a Excel no necesita registro, no añade marca de agua, y elimina tu archivo en cuanto termina la descarga.