Extrae datos de PDF y facturas a JSON
Elige los campos que necesitas, ejecútalo con un PDF o un lote entero y comprueba cada valor con su cita y su página antes de exportar.
Suelta aquí un PDFSuelta para empezar
o pega con Ctrl/⌘+V
Pruébalo sin cuenta (5×). Una cuenta gratuita incluye 20 créditos de IA al mes. Ver planes
Qué hace
PDF a JSON, explicado
Para extraer los datos de un PDF, como una factura, a JSON, súbelo, elige los campos que quieres (o la plantilla Factura) y lanza la extracción: la IA lee el texto y devuelve cada campo con el número de página y la cita exacta de donde lo ha sacado, y PDFBetter comprueba cada cita contra la página. Los campos que no están en el documento se quedan vacíos en lugar de inventarse. Cuesta 1 crédito de IA por página leída.
Leer más
Tú defines los campos —texto, número, importe, fecha, sí/no, una opción de una lista o una tabla de líneas— o partes de las plantillas Factura, Tique de compra, Resumen de extracto bancario o Condiciones clave de un contrato. Puedes añadir campos como el NIF o CIF del proveedor, la base imponible o el IVA. Si una cita no está en la página indicada, o no contiene el valor, el valor se marca como no verificado para que lo revises. Números y fechas se normalizan (1.234,56 y 1,234.56 pasan a 1234.56; «5 de marzo de 2026» y 05/03/2026 pasan a 2026-03-05) y se comprueban con el tipo, las opciones y el patrón del campo. La salida es JSON para desarrolladores e integraciones, o CSV y Excel (XLSX) para hojas de cálculo e importaciones contables.
Úsalo con un documento aquí o con una carpeta entera de facturas en el panel de Extracciones: lanza un lote, revisa los resultados en una tabla, corrige celdas, aprueba o rechaza cada documento y exporta a JSON, CSV o Excel. La exportación usa tus correcciones. El plan Free incluye 20 créditos de IA al mes y Pro, 500. Para repetir los mismos pasos con cada factura nueva —OCR, extracción, aprobación de una persona y un CSV— guárdalos como flujo de trabajo; agentes de IA como Claude o Cursor también pueden lanzar extracciones a través del servidor MCP de PDFBetter.
El texto de las páginas se envía a la API de OpenAI según sus condiciones de uso de datos de la API, que por defecto excluyen esos datos del entrenamiento de modelos. Si solo quieres copiar tablas tal como aparecen, PDF a Excel o PDF a CSV pueden ser más sencillos y no usan IA.
De un vistazo
Qué obtienes
| Field | Value · quote | Page |
|---|---|---|
| supplier | Harbor & Pine Studio“Harbor & Pine Studio” | p. 1 |
| invoice_number | 2026-014“Invoice no. 2026-014” | p. 1 |
| invoice_date | 2026-10-03“Invoice date 10/03/2026” | p. 1 |
| due_date | 2026-11-02“Due 11/02/2026” | p. 1 |
| total | 4028.00“Balance due $4,028.00” | p. 2 |
ExportJSONCSVXLSX
Cómo hacerlo
Extrae datos de PDF y facturas a JSON en 5 pasos
1Tu PDF
2Elige los campos
3Filas con la página de origen
- 1
Sube un PDF
Los PDF digitales funcionan directamente. Los escaneados necesitan OCR antes para que haya texto que leer.
- 2
Elige los campos
Parte de una plantilla como Factura o añade tus propios campos con un tipo, una breve descripción y, para las listas, las opciones permitidas.
- 3
Extrae
Inicia sesión con una cuenta gratuita para ejecutarlo. Usa 1 crédito de IA por página leída.
- 4
Revisa las pruebas
Cada valor muestra su estado, su página y su cita. Fíjate en todo lo marcado como no verificado, ausente o no válido.
- 5
Descarga o amplía
Descarga el JSON, o abre el panel de Extracciones para aplicar los mismos campos a muchos PDF y exportar a CSV o Excel.
Ejemplo
Antes y después
Una factura de proveedor de dos páginas: número, fecha y NIF del emisor en la página 1, una tabla con cinco líneas y los totales con IVA en la página 2.
JSON con numero_factura, fecha_factura como 2026-03-05, total como 1234.56 con moneda EUR y cinco filas en lineas, cada valor con su página y el texto citado del que se ha leído.
Ajustes y formatos
Qué puedes ajustar
- Plantillas
- Factura, Tique de compra, Resumen de extracto bancario y Condiciones clave de un contrato, como punto de partida editable.
- Tipos de campo
- Texto, número, importe (con código de moneda), fecha (AAAA-MM-DD), sí/no, una opción de una lista y tablas con columnas tipadas.
- Obligatorio y patrón
- Marca los campos que esperas en todos los documentos e indica una expresión regular que el valor debe cumplir, como F-\d{4}.
- Exportaciones
- JSON con página y cita por valor; CSV o Excel con una fila por documento y las líneas en una hoja aparte.
Entrada
Salida
Conviene saber antes de empezar
- La IA aún puede elegir el valor equivocado cuando un documento tiene varios parecidos (por ejemplo, base imponible y total); la cita muestra qué texto ha usado, y las descripciones de tus campos ayudan.
- Los PDF escaneados sin capa de texto no se pueden leer hasta que el OCR añada una, y no se lee el texto dentro de imágenes, sellos o escrito a mano.
- Solo se leen las primeras 10 páginas de cada documento en Free y 50 en Pro; las demás se indican como no leídas.
- Fechas como 03/05/2026 son ambiguas. Si el documento no deja claro el orden, se leen con el día primero y se marcan como no verificadas para que las compruebes.
- Extrae lo que está impreso; no comprueba si una factura es correcta, no suma totales ni valida NIF o números de IVA.
Si algo sale mal
Si algo sale mal
- Dice que el documento no tiene texto legible
- El PDF es un escaneo. Pasa antes OCR de PDF y vuelve a extraer de la versión con OCR.
- Un valor sale como no verificado
- La cita que dio la IA no está en la página o no contiene el valor. Abre la página, comprueba el valor y corrígelo en la tabla de revisión si hace falta.
- Un campo siempre sale como ausente
- Comprueba que el documento lo contiene y añade al campo una descripción con la etiqueta que usan tus documentos, como «Total a pagar».
PDF a JSON: preguntas frecuentes
¿Cómo sé que un valor es correcto?
Cada valor muestra la página y una cita copiada de ella, y PDFBetter comprueba esa cita contra el texto de la página. «Encontrado» significa que la cita está en esa página y contiene el valor; todo lo demás se marca para que lo revises.
¿Qué pasa si un campo no está en el documento?
Se marca como ausente y se deja vacío. La IA tiene instrucciones de no adivinar nunca, y los valores sin texto que los respalde se marcan en lugar de rellenarse.
¿Puedo procesar muchas facturas a la vez?
Sí, en el panel de Extracciones. Un lote puede tener hasta 30 documentos en Free y 100 en Pro. Los documentos se procesan en segundo plano, si uno falla los demás siguen, y revisas los resultados en una sola tabla.
¿Cuántos créditos usa?
1 crédito de IA por página cuyo texto se lee. No se cobran las páginas sin capa de texto ni las que superan el límite de tu plan. El plan Free incluye 20 créditos de IA al mes.
¿Puedo corregir valores antes de exportar?
Sí. Haz clic en una celda para ver su prueba, escribe el valor correcto y aprueba o rechaza cada documento. Las exportaciones usan tus correcciones y dejan fuera los documentos rechazados.
¿En qué se diferencia de PDF a Excel?
PDF a Excel copia las tablas tal como aparecen en la página, sin IA. PDF a JSON lee todo el documento y rellena los campos concretos que pides —número de factura, vencimiento, total— siempre con la misma estructura y con una cita de página para cada valor.
¿Puede hacerlo un agente de IA por mí?
Sí. Los agentes conectados al servidor MCP de PDFBetter, como Claude o Cursor, pueden listar esquemas, extraer un documento, lanzar lotes, revisar y exportar, con los mismos créditos y pruebas.
¿Se usa mi documento para entrenar una IA?
El texto lo procesa la API de OpenAI según sus condiciones de uso de datos de la API, que por defecto excluyen esos datos del entrenamiento. PDFBetter no entrena modelos con tus documentos.