Extracción de tablas
La extracción de tablas (table extraction) es la tarea de encontrar tablas en documentos y reconstruir sus filas, columnas, encabezados y celdas como datos estructurados, por ejemplo HTML, Markdown o CSV, en lugar de líneas sueltas de texto.
También llamado: table structure recognition, table detection
Por Divya Sharma · Comprobado el 15 nov 2026 · Cómo hacemos las reseñas
Los precios, las especificaciones, los resultados financieros y los datos de pruebas suelen estar en tablas. Un extractor de texto ingenuo aplana una tabla en una serie de números sin relación con sus encabezados, así que un modelo al que se pregunta "¿cuáles fueron los ingresos del tercer trimestre?" no puede saber qué cifra corresponde a qué columna. La extracción de tablas conserva esa estructura, lo que la convierte en una de las partes más difíciles y valiosas del parsing de documentos.
Cómo funciona
La tarea suele dividirse en tres. La detección de tablas localiza dónde están las tablas en la página, a menudo como parte del análisis de maquetación. El reconocimiento de estructura encuentra las filas, las columnas y las celdas combinadas dentro de cada tabla. El análisis funcional identifica qué celdas son encabezados. Los datos de entrenamiento importan: PubTables-1M, un conjunto de casi un millón de tablas de artículos científicos, mostró que los modelos de detección de objetos basados en transformers entrenados con él resuelven bien las tres tareas. El texto de las celdas sale de la capa de texto del PDF o del OCR.
Ejemplo
Un informe anual tiene una tabla cuyo encabezado ocupa dos filas y cuya primera columna agrupa las partidas por región. Una buena extracción produce una tabla HTML con las celdas de encabezado combinadas y los grupos por región intactos, de modo que cada cifra pueda vincularse a su fila y su columna. Esa salida puede guardarse entera, para que el chunking no divida una tabla entre varios chunks.
Límites
Las tablas sin líneas de separación, las que continúan en varias páginas, las tablas anidadas y los gráficos que parecen tablas siguen siendo casos de fallo habituales. Comprueba las cifras extraídas con la fuente antes de usarlas en informes.
Términos relacionados
- Análisis de documentos
- El análisis de documentos (document parsing) convierte archivos como PDF, escaneos, presentaciones y hojas de cálculo en texto estructurado que el software puede usar, conservando títulos, orden de lectura, tablas e imágenes en lugar de un flujo plano de caracteres.
- Análisis de diseño
- El análisis de diseño (layout analysis) es la parte del análisis de documentos que encuentra las regiones de una página, como títulos, párrafos, tablas, figuras, pies de figura y pies de página, etiqueta cada una y determina el orden en que las leería una persona.
- Reconocimiento óptico de caracteres
- El reconocimiento óptico de caracteres (OCR) es software que lee texto de imágenes, como páginas escaneadas, fotos o capturas de pantalla, y lo convierte en caracteres legibles por máquina que se pueden buscar, copiar o pasar a un modelo.
- Chunking
- El chunking (fragmentación) es el paso que divide documentos largos en pasajes más pequeños antes de convertirlos en embeddings e indexarlos, para que un sistema de recuperación pueda encontrar y devolver solo las partes de un documento que responden a una consulta.
- Salida estructurada
- La salida estructurada (structured output) es una función de las API que hace que la respuesta de un modelo de lenguaje siga un formato que defines, normalmente un JSON schema, para que el código pueda analizarla de forma fiable en lugar de extraer datos de texto libre.