Convertir PDF a MDB

Una aplicación heredada de Microsoft Access puede requerir un archivo .mdb, mientras que los datos de origen disponibles existen únicamente en un PDF. Debido a que PDF almacena el contenido de las páginas en lugar del esquema de la base de datos, el flujo de trabajo fiable consiste en extraer los registros a Excel o CSV e importarlos en Access.

Qué es el formato PDF

PDF es un formato de documento de diseño fijo utilizado para facturas, informes, formularios, manuales, estados de cuenta y exportaciones para impresión. Adobe Acrobat, Microsoft Word, los navegadores web, los escáneres, los sistemas de contabilidad y las aplicaciones de generación de informes crean y muestran archivos PDF.

Un PDF puede contener texto seleccionable, fragmentos de texto posicionados, elementos de dibujo vectorial, tablas incrustadas o imágenes escaneadas de páginas. Un escaneo requiere OCR antes de poder extraer su texto, y OCR puede interpretar incorrectamente caracteres, separadores decimales, fechas, signos negativos y celdas combinadas.

Qué es el formato MDB

MDB es el formato de base de datos de Microsoft Access asociado con Access 2003 y versiones anteriores. Las versiones de escritorio más recientes de Access pueden abrir y crear archivos MDB por compatibilidad, aunque su formato predeterminado es .accdb. Una base de datos MDB puede contener tablas, relaciones, consultas, formularios, informes, índices y módulos de VBA.

MDB es adecuado cuando una aplicación heredada requiere esa extensión o cuando los registros extraídos necesitan consultas relacionales, filtrado, edición e indexación. Use ACCDB cuando el destino lo admita, ya que MDB carece de algunas funciones más recientes de Access y utiliza un motor de base de datos anterior.

Cómo convertir los datos a MDB

1. Extraiga las tablas. En Adobe Acrobat Pro, use Convert → Microsoft Excel o Export a PDF → Spreadsheet → Microsoft Excel Workbook, según la versión. Able2Extract Professional ofrece más control sobre la selección de tablas, los límites de las columnas y OCR. Tabula es una opción de escritorio gratuita para PDF basados en texto y exporta las tablas seleccionadas a CSV.
2. Ejecute OCR para las páginas escaneadas. En Acrobat, seleccione Scan & OCR → Recognize Text y, a continuación, exporte el resultado. Inspeccione los valores extraídos en lugar de suponer que OCR conservó exactamente el origen.
3. Limpie el archivo exportado. Abra el XLSX o CSV y elimine los encabezados de página repetidos, pies de página, filas de subtotales, líneas en blanco y texto de notas al pie. Organice un campo por columna y un registro por fila. Use nombres estables como InvoiceID, InvoiceDate y Amount. Guarde el CSV limpio como UTF-8 si contiene caracteres no ASCII.
4. Cree la base de datos. En Microsoft Access, cree una base de datos en blanco. Si se requiere MDB, seleccione File → Save As → Access 2002–2003 Database (*.mdb). Si la opción no está disponible en la versión de Access instalada, cree el archivo con una edición de escritorio compatible de Access en lugar de cambiar el nombre de un archivo ACCDB.
5. Importe los datos extraídos. Seleccione External Data → New Data Source → From File → Excel para XLSX, o External Data → New Data Source → From File → Text File para CSV. Seleccione Import the source data into a new table, indique que la primera fila contiene nombres de campos y revise el tipo de datos detectado para cada columna.
6. Defina la tabla. En la vista Diseño de tabla, establezca una clave principal o agregue una clave AutoNumber si el origen no tiene un identificador único fiable. Use Short Text para identificadores que puedan contener ceros iniciales, Date/Time para fechas, Currency para importes monetarios y tipos numéricos adecuados para cantidades. Agregue índices a los campos utilizados para búsquedas o combinaciones.
7. Importe las tablas adicionales por separado. Si el PDF contiene clientes, facturas y partidas, extraiga cada tabla lógica en su propia hoja de cálculo o CSV. Impórtelas por separado y cree las relaciones solo después de comprobar que los valores de las claves coinciden.

Los servicios en línea como Adobe Acrobat online PDF-to-Excel, Smallpdf y PDFTables pueden producir un archivo intermedio XLSX o CSV, pero no generan de forma fiable un MDB correctamente estructurado. Cargue únicamente documentos que no contengan información confidencial; el procesamiento local con Acrobat, Able2Extract o Tabula evita enviar facturas, datos personales o registros regulados a terceros.

Limitaciones de calidad y compatibilidad

No existe una conversión fiable en un solo paso de páginas PDF arbitrarias a una base de datos Access válida. Normalmente, PDF no conserva los tipos de campos, las claves principales, las relaciones, las fórmulas ni los límites de las tablas en un formato que Access pueda recuperar. Las columnas pueden desplazarse, las tablas pueden combinarse y los encabezados repetidos pueden importarse como registros.

Compare el número de filas importadas con el origen, compruebe los totales y verifique de forma aleatoria las fechas, los identificadores, los valores monetarios y los caracteres con acentos. Los PDF protegidos con contraseña, dañados, compuestos únicamente por imágenes o con un formato muy complejo pueden requerir transcripción manual o trabajos especializados de OCR y extracción de tablas.

Una base de datos MDB tiene un tamaño máximo de archivo de 2 GB y límites más antiguos para objetos y campos. Pruebe el archivo resultante con el programa heredado exacto que lo abrirá, incluidos los controladores de Access y la versión requeridos. No cambie el nombre de archivo de .accdb a .mdb; los formatos tienen estructuras internas diferentes.