Tabla de URL
Qué hace esta herramienta
Esta herramienta toma la dirección de una página web o el enlace de un archivo PDF y extrae las tablas de datos que se encuentren en esa página o dentro del documento. Devuelve la información como una lista de filas, donde cada fila es una lista de valores de columna.
La principal limitación es que esto solo funciona con las tablas que están claramente marcadas en el código subyacente de la página (HTML) o en los PDFs estructurados. Si los datos están dentro de una imagen, en un documento escaneado o simplemente formateados como texto sin estructura de tabla, la herramienta no podrá verlos. Si no se encuentran tablas, el resultado será una lista vacía.
Usos comunes
- Extracción de datos estructurados de páginas HTML para un análisis posterior.
- Obtención de información de informes PDF descargables que contengan datos tabulares.
Datos que recibe
| Parámetro | Obligatorio | Ejemplo | Descripción |
|---|---|---|---|
url | Sí | https://en.wikipedia.org/wiki/ISO_3166-1_alpha-2 | La dirección web completa de la página o del archivo PDF (p. ej., https://en.wikipedia.org/wiki/ISO_3166-1_alpha-2). Este campo es obligatorio. |
table | No | 3 | El número de la tabla que desea extraer, comenzando desde 1 (p. ej., 3). Si se deja en blanco, la plataforma suele intentar extraer las tablas disponibles de forma predeterminada. |
Datos que devuelve
| Campo | Descripción |
|---|---|
result | Una lista de filas de la tabla extraída. Si no se encuentran tablas, esto será una lista vacía. Ejemplo: [['Encabezado 1', 'Encabezado 2'], ['Fila 1 Col 1', 'Fila 1 Col 2']] |