Extracción de Datos de Facturas CFDI Mexicanas
a Excel: Guía Práctica (2026)

Qué es realmente una Factura CFDI — y por qué extraer sus datos es diferente

Un CFDI (Comprobante Fiscal Digital por Internet) es el formato obligatorio de factura electrónica en México, exigido por el SAT (Servicio de Administración Tributaria) desde 2014. No es un documento que puedas tratar como un PDF de un proveedor estadounidense o europeo. Cada CFDI pasa por un modelo de validación tripartito: el emisor genera el XML, un PAC (Proveedor Autorizado de Certificación) lo valida y lo sella digitalmente — proceso conocido como timbrado — y el SAT recibe una copia en tiempo real. Solo después de que el PAC aplica el sello digital, la factura es legalmente válida.

La versión actual, CFDI 4.0, se volvió obligatoria para todos los contribuyentes el 1 de abril de 2023, e introdujo una validación más estricta del receptor: el RFC, la razón social y el código postal del domicilio fiscal deben coincidir exactamente con el padrón de contribuyentes del SAT. Las facturas en versión 3.3 ya no son aceptadas por los sistemas del SAT. Para cualquiera que reciba facturas de proveedores mexicanos, esto significa que cada documento que manejas es versión 4.0, lo sepas o no.

Un CFDI contiene campos sin equivalente en una factura estándar: Uso CFDI (un código que declara cómo usará el receptor la factura para fines fiscales — G01 para adquisiciones, G03 para gastos, P01 para pagos pendientes), Régimen Fiscal (código del régimen fiscal del emisor) y el UUID (Folio Fiscal), un identificador único de 36 caracteres asignado por el SAT que se convierte en la referencia permanente de esa transacción en todos los sistemas de la infraestructura fiscal de México. Si estás conciliando pagos, presentando la DIOT (Declaración Informativa de Operaciones con Terceros) o preparándote para una auditoría, el UUID es el campo que lo une todo.

Y luego está el XML. Según la ley fiscal mexicana, el archivo XML es el documento legalmente válido — la representación en PDF es secundaria e informativa. Tanto el emisor como el receptor deben conservar el XML durante al menos cinco años según el Artículo 30 del CFF. No archivar correctamente los CFDIs conlleva multas del 5–10% del valor de la factura por cada incidencia. Las empresas que tratan el PDF como "la factura" y descartan el XML asumen un riesgo de auditoría que quizá no descubran hasta que el SAT solicite los registros.

La mayoría de los equipos de AP que trabajan con México no carecen de datos de facturas. Carecen de ellos en un formato que su sistema contable pueda ingerir. El XML está estructurado pero es jerárquico. El PDF es legible pero no estructurado. Los datos son los mismos — convertirlos en columnas de Excel es el paso que rompe el proceso.

Los tres formatos de CFDI que realmente recibirás — y qué significa cada uno para la extracción

En la práctica, una factura de proveedor mexicano llega a tu equipo de AP en uno de tres formatos. Todos contienen los mismos datos del CFDI, pero requieren un enfoque de extracción fundamentalmente diferente.

Extracción de XML parece sencilla — es un formato estructurado con un esquema publicado (Anexo 20 versión 4.0 del SAT, definido en XSD). Pero el XML del CFDI es profundamente jerárquico: el nodo raíz contiene datos del emisor y receptor, cada partida (Concepto) anida cantidad, código de unidad, código de producto/servicio (del catálogo c_ClaveProdServ del SAT), precio unitario y desglose de impuestos. Un Complemento de Pago — obligatorio cuando la factura original se emitió bajo PPD (Pago en Parcialidades o Diferido) — es un documento XML separado que referencia el UUID del CFDI original y detalla qué pagos liquidaron qué facturas, cuándo y por qué montos. Extraer esto en filas planas de Excel implica recorrer una estructura de árbol y resolver referencias entre documentos.

Extracción de PDF es el escenario real más común porque los proveedores mexicanos suelen enviar por correo la representación en PDF, no el XML original. El PDF es una representación legible para humanos — los mismos datos, pero sin etiquetas estructuradas. Cada campo debe identificarse por su posición visual o por comprensión semántica del texto. Aquí es donde fallan las herramientas de OCR basadas en plantillas: un CFDI en PDF de Grupo Bimbo no se parece en nada al de un pequeño proveedor de servicios que usa CONTPAQi Factura Electrónica.

CFDI escaneados o fotografiados añaden degradación de calidad de imagen: ángulos torcidos, sombras, cámaras de teléfono de baja resolución. Llegan de proveedores pequeños que imprimen facturas y las entregan a los repartidores, o de personal de campo que fotografía recibos con WhatsApp. Los datos siguen siendo datos CFDI — UUID, RFC, desglose de IVA — pero extraerlos implica trabajar con píxeles que ningún analizador XML verá jamás.

Entender la variedad de formatos es el primer paso. El segundo es saber exactamente qué campos importan para tu contabilidad — y a qué códigos del catálogo del SAT corresponden.

Los Campos del CFDI que Necesitas en tu Excel — y por qué Cada Uno Importa

No todos los campos de un CFDI deben ir en tu Excel. Un XML completo conforme al Anexo 20 puede contener más de 60 puntos de datos. Para conciliación de cuentas por pagar, asientos contables y declaraciones fiscales, estos son los campos que justifican el espacio en la columna:

Estos doce campos forman el conjunto de datos mínimo viable para cualquier flujo de cuentas por pagar que involucre facturas mexicanas. Sin el UUID no puedes verificar la factura en el portal del SAT ni rastrear su estado de cancelación. Sin el Uso CFDI podrías registrar un gasto en la categoría de deducibilidad incorrecta. Sin el Régimen Fiscal no puedes determinar si el IVA del proveedor está sujeto a retención (retención de IVA, típicamente el 6% del monto del IVA, aplicable a proveedores bajo ciertos regímenes).

Además de los campos a nivel de encabezado, las partidas tienen sus propios datos estructurados: cantidad, unidad de medida (del catálogo c_ClaveUnidad del SAT), descripción, precio unitario y desglose de impuestos por artículo. Para empresas que realizan conciliación a tres bandas (OC → recepción de mercancía → CFDI), la extracción de partidas es lo que hace que el CFDI sea comparable con la orden de compra línea por línea.

Los campos están bien definidos. El desafío es extraerlos del documento y llevarlos a tu hoja de cálculo — y ese proceso depende en gran medida del formato con el que empieces.

Cómo extraer datos de CFDI a Excel: flujo de trabajo paso a paso

Existen cuatro rutas para obtener datos de CFDI en Excel, ordenadas de la más a la menos común en operaciones reales de cuentas por pagar. La ruta que elijas depende de si tienes el XML, el PDF o solo una imagen, y si procesas una factura o cien.

Ruta 1: Análisis de XML (cuando tienes el archivo CFDI original)

Si tu proveedor proporciona el XML, o lo descargas del portal del SAT, puedes extraer datos estructurados mediante programación. Herramientas como Python con lxml o bibliotecas CFDI especializadas (cfdipython, PyCFDI) pueden recorrer el esquema del Anexo 20 y obtener campos por XPath. El inconveniente: esta ruta asume que sabes programar, manejas XML con espacios de nombres (cada elemento CFDI está en un espacio de nombres definido por el SAT) y mantienes la lógica de análisis ante actualizaciones de catálogos. El SAT actualiza sus catálogos periódicamente; los códigos c_RegimenFiscal y c_UsoCFDI cambian, y un mapeo fijo quedará obsoleto.

Para la conciliación de Complemento de Pago —emparejar pagos con facturas originales— el análisis de XML se vuelve mucho más complejo porque trabajas con dos documentos XML vinculados solo por referencia UUID. Una sola factura PPD puede liquidarse con múltiples pagos a lo largo de meses, cada uno generando su propio Complemento de Pago. La lógica de conciliación (qué pago cubrió qué factura, cuál era el saldo pendiente en cada momento) no es una simple extracción de campos, sino un cálculo financiero entre documentos relacionados.

Ruta 2: Extracción de PDF con herramientas basadas en plantillas

Las herramientas OCR basadas en plantillas —donde dibujas rectángulos alrededor de cada campo en un documento de muestra y la herramienta reaplica esas coordenadas a facturas futuras— fallan con los PDF de CFDI por una razón simple: cada proveedor usa un software de facturación diferente. Un CFDI generado por CONTPAQi Factura Electrónica se ve distinto a uno generado por Aspel FACTURAe, Alegra o una integración ERP personalizada. El UUID, los RFC y el desglose del IVA aparecen en posiciones distintas, con diferentes tamaños de fuente y textos circundantes. Una plantilla creada para un CFDI con addenda de Walmart fallará con el CFDI de un proveedor pequeño, y viceversa.

Esta es una limitación fundamental de la extracción basada en coordenadas aplicada a un tipo de documento donde la estructura de datos está estandarizada (Anexo 20), pero el diseño visual no.

Ruta 3: Extracción semántica con IA (funciona en cualquier formato)

La extracción semántica — el enfoque que usa ImageToTable.ai — no revisa coordenadas. Lee el documento como lo haría una persona: entendiendo qué significa cada texto, no dónde está ubicado en la página. Le indicas a la herramienta qué campos deseas — "UUID", "RFC Emisor", "SubTotal", "IVA 16%" — y la IA localiza cada valor en cualquier parte del documento reconociendo el concepto que representa, sin importar el diseño.

Este mecanismo se llama Extracción de columnas personalizadas: escribes los nombres de columna que quieres en tu hoja de cálculo de salida, y la IA usa comprensión visual del lenguaje para encontrar los datos correspondientes en cada página. No dibujas rectángulos, no creas plantillas y no necesitas saber dónde aparece un campo en la página. El mismo conjunto de nombres de columna funciona en PDFs CFDI de distintos proveedores, copias escaneadas y archivos XML — porque la IA reconoce "IVA 16% es el monto del impuesto a la tasa del 16%" en lugar de "el número en el recuadro en las coordenadas (430, 210)".

Este es el flujo de trabajo paso a paso:

Para equipos que procesan CFDI en volumen, el procesamiento por lotes cambia las reglas del juego. Sube todos los CFDIs recibidos de una vez — sean 20 o 200 — y la herramienta los procesa en paralelo, fusionando todos los datos extraídos en un solo archivo Excel con una fila por factura. La diferencia de velocidad de 18× entre el ingreso manual (aproximadamente 3 minutos por factura) y la extracción con IA (5–10 segundos por página) se multiplica con el volumen: 100 CFDIs que tomarían 5 horas de captura manual se completan en menos de 10 minutos. Para un cierre mensual de cuentas por pagar, esa brecha es la diferencia entre terminar la conciliación a tiempo y arrastrarla al siguiente período.

Los campos a nivel de encabezado son la base. Pero un porcentaje significativo de facturas CFDI — particularmente las emitidas bajo PPD — conllevan una capa de complejidad que la mayoría de las guías de extracción ignoran por completo.

Manejo de Complementos: Pagos, Nómina y Comercio Exterior

Un complemento es un anexo XML estructurado incrustado o vinculado a un CFDI. Contiene datos requeridos para tipos de transacción específicos que el esquema base del CFDI no cubre. Para los equipos de AP, tres complementos son particularmente importantes:

Complemento de Pago

Cuando un CFDI se emite bajo el método de pago PPD (Pago en Parcialidades o Diferido), la factura reconoce que el pago ocurrirá después — en parcialidades o como un pago único posterior a la entrega. El Complemento de Pago es un CFDI separado (TipoDeComprobante = "P") que documenta el evento de pago real. Hace referencia al UUID de la factura original y especifica: la fecha de pago, el monto pagado, el tipo de cambio si el pago fue en otra moneda, y qué facturas originales (potencialmente varias) liquidó este pago.

Para la extracción a Excel, esto crea una relación uno a muchos: una factura PPD → múltiples complementos de pago a lo largo del tiempo. Conciliar esto manualmente significa abrir cada XML de complemento de pago, leer qué UUIDs referencia y actualizar una hoja de cálculo de seguimiento. La herramienta de extracción debe manejar la resolución de referencias entre documentos — leyendo la fecha y el monto del pago del complemento y emparejándolos con los datos de la factura original en la misma fila de salida.

Complemento de Nómina

Los CFDIs de nómina contienen detalles a nivel de empleado: RFC del trabajador, CURP, NSS, categoría de riesgo laboral, días trabajados y un desglose detallado de percepciones (salario, bonos) y deducciones (ISR, IMSS, INFONAVIT). Las empresas con empleados mexicanos reciben estos como parte de relaciones de outsourcing o PEO (Organización Profesional de Empleadores). Extraer datos del complemento de nómina a Excel permite consolidar costos a nivel de empleado entre períodos para asientos contables y análisis de costos laborales.

Complemento Carta Porte

Desde enero de 2024, la versión 2.0 del Complemento Carta Porte volvió obligatorios campos que antes eran opcionales: código de pedimento, datos del exportador e información de origen/destino. Para los equipos de logística y cadena de suministro que reciben CFDI relacionados con fletes, la extracción debe capturar los campos específicos del transporte — placa del vehículo, tipo de transporte, origen y destino de la ruta — junto con los datos estándar de la factura. Estos campos son necesarios para la validación del SAT y el despacho aduanero.

La brecha más común que vemos en la extracción de CFDI es que los datos del complemento se quedan fuera. Los equipos de AP extraen los campos del encabezado — UUID, RFC, Total — pero nunca obtienen los datos del complemento de pago, lo que significa que las facturas PPD flotan en la hoja de conciliación sin fecha de pago ni referencia de liquidación. Los datos existen en el XML del complemento. Simplemente nunca llegaron al Excel.

CFDI Transfronterizo: Cuando el Comprador No Está en México

Las empresas extranjeras que compran a proveedores mexicanos enfrentan una capa adicional de complejidad. Bajo CFDI 4.0, el RFC del receptor y el código postal de su domicilio fiscal deben coincidir con el registro del SAT. Un comprador estadounidense o europeo sin registro fiscal en México no puede proporcionar un RFC, pero el sistema CFDI sigue exigiéndolo.

En la práctica, esto se resuelve usando el RFC genérico para extranjeros (XEXX010101000 para personas morales, XAXX010101000 para personas físicas) y especificando el ID fiscal del receptor en el país de destino en un campo separado. El CFDI se emitirá con el Uso CFDI código S01 (Sin efectos fiscales), lo que significa que la factura existe para fines de registro comercial, pero no genera crédito de IVA ni deducibilidad para el comprador.

Para los equipos de AP extranjeros, el objetivo de la extracción cambia: no se extraen datos para declarar ante el SAT, sino para contabilidad interna, aprobación de pagos y seguimiento de costos. Los campos que importan son los comerciales — nombre del proveedor, monto de la factura, partidas, método de pago — en lugar de los códigos fiscales específicos. Una extracción bien estructurada debe capturar el UUID; incluso si no declaras ante el SAT, el UUID es el único identificador global que prueba de manera definitiva que esta factura existe y fue validada.

Las operaciones de exportación añaden otra dimensión. Un CFDI con el campo Exportacion configurado como "01" (definitiva) o "02" (temporal) lleva un Complemento de Comercio Exterior con datos aduaneros: número de pedimento, RFC del exportador e INCOTERM. Para los equipos de logística transfronteriza que concilian facturas de flete con declaraciones aduaneras, la extracción debe capturar tanto los datos del CFDI como los campos del complemento de comercio exterior en una sola salida.

Comparativa de métodos de extracción: captura manual, análisis XML, plantillas e IA

Cada equipo elige un camino distinto según el volumen, los recursos técnicos y los formatos que recibe. Así se comparan las principales opciones en las dimensiones que importan para la extracción de datos CFDI:

El análisis XML es la opción ideal para equipos que solo reciben XML y cuentan con capacidad interna de desarrollo para mantener el código de análisis ante actualizaciones de catálogos. Pero un equipo típico de cuentas por pagar en México recibe una mezcla: algunos proveedores envían XML, otros PDF y unos cuantos —generalmente proveedores pequeños o personal de campo— envían fotos. Depender únicamente del análisis XML implica capturar manualmente los datos de cada CFDI que no sea XML, o mantener una segunda ruta de extracción para esos formatos.

El OCR basado en plantillas genera una carga de mantenimiento proporcional al número de proveedores. Cada nuevo proveedor con un diseño de CFDI diferente requiere una nueva plantilla. CFDI 4.0 estandarizó los campos de datos, pero no la presentación visual, y el costo de administrar plantillas crece linealmente con la cantidad de proveedores.

La extracción semántica con IA elimina el problema del formato porque trabaja sobre el significado de los datos, no sobre su posición. Las mismas definiciones de columna — UUID, RFC Emisor, IVA, Total — funcionan en cualquier CFDI, de cualquier proveedor, en cualquier formato. Esto es especialmente valioso para la conciliación masiva de CFDIs al cierre de mes, cuando el equipo de cuentas por pagar debe procesar facturas entrantes de 50 a 200 proveedores, cada uno con su propio sistema de facturación, antes de que cierre el período contable.

Preguntas Frecuentes: Extracción de Datos de CFDI a Excel

Por Qué la Extracción Es Solo la Mitad del Problema

El cuello de botella más mencionado en el procesamiento de CFDIs es la captura de datos. Pero la captura es el cuello de botella visible. El oculto — el que consume más horas al mes — es la conciliación posterior: cotejar pagos PPD con facturas originales, verificar que el IVA del CFDI coincida con el monto en tu sistema contable, identificar qué CFDIs se han cancelado desde la última revisión, y confirmar que cada RFC en tu catálogo de proveedores coincida con lo que el SAT tiene registrado.

La extracción saca los datos del documento y los pone en una estructura con la que puedas trabajar. El valor se multiplica cuando esos datos estructurados alimentan directamente tus procesos posteriores — preparación de DIOT, importación a CONTPAQi, conciliación de proveedores, acumulaciones de fin de mes — sin un paso de reingreso manual entre la extracción y la acción.

Un CFDI contiene más datos que una factura estándar y cumple un propósito fiscal que va más allá del registro comercial. La extracción bien hecha trata al CFDI por lo que es: un documento fiscal con una estructura rígida, validado en tiempo real por una autoridad gubernamental, que contiene campos con consecuencias legales si son incorrectos. Llevar los datos a Excel es el primer paso. Usarlos para mantener la coherencia en tus cuentas por pagar, declaraciones fiscales y pista de auditoría es el resultado continuo.