Máster en Periodismo de Investigación, Datos y Visualización

Olaya Argüeso @oargueso

Extraer datos de PDF's 

PDF = Portable Document Format

Existen dos tipos de PDF:

1. Escaneados

2. Generados electrónicamente

PDF = Portable Document Format

Escaneados:

• Son una imagen, así que no se pueden "cortar y pegar"
• Herramientas OCR (Reconocimiento Óptico de Caracteres): ABBY FineReader (de pago)

PDF = Portable Document Format

Generados electrónicamente:

• Son más o menos "escrapeables"
• Pueden tener tablas o no

PDF = Portable Document Format

Generados electrónicamente:

• Herramientas para extraer los datos: ABBY / DeskUNPDF (de pago) - Tabula (gratis)

PDF = Portable Document Format

Tabula

PDF = Portable Document Format

Tabula

PDF = Portable Document Format

Tabula

PDF = Portable Document Format

Tabula

PDF = Portable Document Format

Tabula

PDF = Portable Document Format

Tabula

PDF = Portable Document Format

Otras herramientas gratuitas:

• cometdocs.com:

PDF = Portable Document Format

Otras herramientas gratuitas:

• cometdocs.com:

PDF = Portable Document Format

Otras herramientas gratuitas:

• cometdocs.com:

PDF = Portable Document Format

Otras herramientas gratuitas:

• cometdocs.com:

PDF = Portable Document Format

Otras herramientas gratuitas:

• cometdocs.com:

PDF = Portable Document Format

Para evitar dar nuestro email personal:

PDF = Portable Document Format

Otras herramientas gratuitas:

• zamzar.com:

PDF = Portable Document Format

Otras herramientas gratuitas:

• pdftoexcelonline.com:

¿Preguntas?