Convertir JPG a CSV

Excel, las bases de datos y el software de análisis requieren filas y campos, no una fotografía de una tabla, un recibo, un formulario o una lista. Convertir la imagen hace que esa información sea editable y se pueda buscar; cambiar .jpg a .csv no crea datos estructurados.

Qué es el formato JPG

JPG, también llamado JPEG, es un formato de imagen rasterizada utilizado por cámaras, escáneres, smartphones, capturas de pantalla y software de edición de imágenes. Su compresión con pérdida mantiene los archivos fotográficos y escaneados relativamente pequeños, pero los píxeles no contienen intrínsecamente texto, campos, filas ni columnas. Un JPG puede mostrar una tabla sin almacenar la tabla como datos.

Qué es el formato CSV

CSV es una representación de texto sin formato de datos tabulares. Normalmente, las líneas representan registros, mientras que las comas, los puntos y comas u otro delimitador separan los campos; los campos que contienen delimitadores, comillas o saltos de línea deben estar entre comillas. Las aplicaciones de hojas de cálculo, las bases de datos, los programas estadísticos y los scripts pueden importarlo.

CSV es pequeño, portátil y fácil de procesar, pero no conserva fuentes, diseño de página, imágenes, fórmulas, varias hojas de cálculo ni tipos de celda fiables. Usa UTF-8 cuando los caracteres no ASCII deban conservarse durante la transferencia y confirma el delimitador que espera el programa receptor.

Cómo convertir una tabla en un JPG

Usa Excel para una tabla impresa nítida

1. Abre una versión de Microsoft 365 de Excel que incluya la función de reconocimiento de imágenes.
2. Elige Data → From Picture → Picture From File y selecciona el JPG. En las versiones móviles compatibles, usa el comando equivalente de imagen a datos.
3. Revisa las celdas detectadas por Excel antes de insertarlas y corrige los límites de las columnas, las celdas combinadas, las fechas, los separadores decimales, los valores negativos, las celdas vacías y los ceros iniciales.
4. Guarda primero el libro corregido si necesitas una copia de auditoría editable.
5. Elige File → Save As y selecciona CSV UTF-8 (Comma delimited) (*.csv). Una exportación CSV normalmente contiene solo la hoja de cálculo activa.

Usa ABBYY FineReader PDF para escaneos difíciles

1. Abre el JPG en ABBYY FineReader PDF.
2. Ejecuta OCR con el idioma correcto del documento y activa el reconocimiento de tablas.
3. Inspecciona la tabla reconocida, especialmente las celdas combinadas, los límites de las columnas, el orden de lectura y los caracteres confundidos por el escaneo.
4. Exporta a XLSX, abre el resultado en una aplicación de hojas de cálculo y usa File → Save As para crear un CSV UTF-8. La exportación directa a CSV depende de la edición instalada de FineReader.

Procesa lotes con software de OCR o una API

Tesseract OCR puede extraer texto, pero no reconstruye de forma fiable tablas complejas por sí solo. Por ejemplo, tesseract input.jpg output -l eng crea output.txt; un analizador independiente debe identificar las filas y columnas y escribir un CSV válido. Para la extracción repetida de tablas, AWS Textract, Google Cloud Document AI y Azure AI Document Intelligence proporcionan OCR con reconocimiento de tablas; un script puede convertir sus celdas devueltas a CSV.

Para imágenes ocasionales y no confidenciales, servicios de navegador como OCR.space y OnlineOCR pueden reconocer texto o exportar resultados compatibles con hojas de cálculo. Abre el resultado reconocido en un programa de hojas de cálculo, corrígelo y guárdalo como CSV. No subas documentos de identidad, registros financieros, recibos confidenciales ni material protegido a un servicio en línea.

Convierte píxeles en lugar de texto

Si el resultado previsto es una matriz numérica que contenga cada píxel del JPG, OCR no es el método adecuado. Lee la imagen con Python, MATLAB u otra herramienta de procesamiento de imágenes y escribe los valores de los píxeles en CSV; una imagen en color normalmente produce valores separados para rojo, verde y azul, y el archivo resultante puede ser mucho más grande que el JPG. Por ejemplo, Python puede usar Pillow y NumPy para cargar la imagen y numpy.savetxt para escribir una matriz en escala de grises, pero CSV suele ser menos eficiente que un formato de matriz binaria para este propósito.

Limitaciones de calidad y compatibilidad

La precisión del OCR depende de la resolución, el contraste, la inclinación, el desenfoque, la escritura a mano, la fuente, los artefactos de compresión y las líneas de la tabla. Usa una imagen recta y recortada de forma ajustada; para un documento escaneado, aproximadamente 300 ppi es un objetivo útil. Corrige la rotación y mejora el contraste antes del reconocimiento cuando sea necesario.

Compara cada fila de salida con la imagen de origen. OCR puede cambiar 0 por O, 1 por I, alterar los puntos decimales y los símbolos de moneda, y eliminar los ceros iniciales. La configuración regional de las hojas de cálculo puede interpretar las fechas de forma diferente o esperar puntos y comas en lugar de comas.

Conserva el JPG original y el XLSX corregido cuando la trazabilidad sea importante. La exportación CSV descarta el formato, las fórmulas, las hojas de cálculo adicionales y gran parte de la información de tipos de la aplicación de origen.