Extraer datos de facturas, sin plataforma de AP

De la factura a la tabla

1. Comprobar si ya hay un XML. Abre el PDF en un lector y mira los archivos adjuntos. Si hay un XML, los datos están ahí exactos: no hay nada que extraer.
2. PDF de texto: saca la tabla arriba. Suéltalo en el recuadro de esta página. Las filas las lee el JavaScript de esta pestaña; no se sube nada y no se adivina nada.
3. Escaneo o foto: hace falta OCR. Una página escaneada no tiene texto, solo una imagen: haría falta OCR, y ni esta página ni TableDI 2 lo hacen. Pide al proveedor el PDF original o el XML.
4. Cuadrar antes de contabilizar. Compara el total extraído con el documento. El IVA por línea es el fallo silencioso más habitual, con cualquier herramienta.

Primero: ¿existe ya el XML?

Si la factura se emitió a una administración pública, pasó por Facturae y por tanto ya existe como XML firmado. Y con la factura electrónica entre empresas avanzando, la proporción de facturas que merecen una extracción se reduce cada año.

Comprobarlo cuesta diez segundos: abre el PDF en un lector y mira los adjuntos (en Acrobat, el clip del margen izquierdo). Si aparece un .xml, cualquier extracción sobra: coge ese archivo.

Y el atajo que casi nadie prueba: pedírselo al proveedor. Muchos sistemas de facturación ya generan el XML y simplemente no lo adjuntan porque nadie lo ha pedido. Es gratis y es exacto, que es más de lo que puede decir cualquier extracción.

Tres caminos, y para quién es cada uno

La fila del medio merece pensarse dos veces. Una factura lleva el nombre del proveedor, datos bancarios, precios unitarios y a menudo una referencia de contrato. Subir eso a un servicio gratuito es revelar condiciones comerciales — y en cuanto hay datos personales, es un tratamiento que exigiría un contrato de encargo.

Qué falla de verdad al extraer

• Líneas frente a totales. Coger el total de la factura es fácil. Coger cada línea con cantidad, precio unitario y tipo de IVA es lo que separa herramientas.
• El IVA. Varios tipos en una misma factura, IVA por línea o solo en el resumen, inversión del sujeto pasivo. Ahí es donde los números dejan de cuadrar sin avisar.
• Las fechas. Fecha de factura, de operación y de vencimiento aparecen todas.
• Facturas de varias páginas donde la tabla continúa tras el salto.

Conservación: el original sigue siendo el original

Una tabla extraída es una copia de trabajo, no un justificante. La obligación de conservación sigue recayendo sobre el documento que recibiste — en una factura electrónica, el XML o el PDF, tal cual. Lo que sale de aquí sirve para calcular, no para archivar.