Capturas de WeChat Pay:
No son recibos. Pero obtenga el importe y el ID de pedido
A primera vista, extraer datos de una captura de pantalla de WeChat Pay parece que no debería funcionar. No tiene formato de factura, ni desglose detallado, ni ID fiscal: la confirmación de pago parece más propia de un chat que de una hoja de cálculo. Para cualquiera que haya mirado fijamente una pantalla de transacción de WeChat preguntándose si cuenta como comprobante de pago, ese instinto tiene algo de razón. No es un recibo. No es un fapiao — la factura fiscal oficial de China, un documento con un código de 12 dígitos, un número de serie de 8 dígitos y un sello gubernamental que es el único comprobante de gasto legalmente reconocido. Pero los dos números que la mayoría de la gente realmente necesita de él — el importe pagado y el ID de pedido de la transacción — están justo ahí en la captura de pantalla. Y se pueden extraer sin tener que escribir ni un solo dígito de nuevo.
Qué muestra realmente una captura de pantalla de WeChat Pay (y qué no)
Cuando paga con WeChat en un restaurante, un taxi o una tienda de barrio, la aplicación confirma la transacción con una pantalla de notificación. Muestra el nombre del comerciante, el monto de la transacción en RMB, la hora del pago y un número de transacción — una larga cadena numérica que identifica este pago específico en el sistema de WeChat. Eso es toda la pantalla. Sin desglose de artículos, sin desglose de impuestos, sin dirección registrada del comerciante, sin sello oficial.
Un recibo formal — lo que en China se llama fapiao (发票) — requiere todos esos elementos faltantes. La diferencia entre una captura de pantalla de WeChat y un fapiao no es un simple detalle de formato. Es una diferencia de categoría legal: uno es una notificación de pago, el otro es un documento fiscal.
Esto es lo que los separa:
| Qué muestra una captura de WeChat | Qué exige un fapiao formal |
|---|---|
| Nombre del comerciante | Nombre comercial registrado del vendedor + número de identificación fiscal |
| Monto de la transacción (RMB) | Base imponible e importe del IVA, por separado |
| Hora del pago | Fecha de emisión de la factura + código de fapiao de 12 dígitos + número de fapiao de 8 dígitos |
| Número de transacción/pedido | Dirección, número de teléfono y datos bancarios del vendedor |
| Método de pago (saldo o tarjeta) | NIF del comprador (para fapiao de IVA especial usado en deducciones) |
| — | Sello rojo oficial (发票专用章) o equivalente de firma digital |
La conclusión no es que una captura de pantalla de WeChat sea inútil. Es que la captura y el fapiao tienen propósitos diferentes. Si necesita un recibo deducible de impuestos para un reembolso corporativo en China, necesita el fapiao — la captura por sí sola no satisfará a un departamento de finanzas ni a la agencia tributaria. Pero si está haciendo un seguimiento de sus propios gastos en docenas de transacciones de WeChat, conciliando lo que pagó con lo que le facturaron, o manteniendo un registro personal de pagos para su propia contabilidad, la captura tiene exactamente los datos que necesita. El problema es extraerlos de manera eficiente.
Por qué "No es un recibo" no significa "No se puede extraer"
El instinto de que una captura de pantalla de WeChat no se puede extraer proviene de un lugar razonable: no es un documento estructurado. Las herramientas OCR tradicionales se basan en la suposición de que un documento tiene un diseño predecible: una factura tiene un encabezado con el nombre del proveedor y un pie de página con el total, y el motor OCR lee caracteres desde coordenadas conocidas dentro de esas zonas. Una confirmación de pago de WeChat no tiene nada de eso. Es una pantalla de UI plana donde el monto, el nombre del comerciante y el número de transacción flotan en un diseño tipo notificación que varía según la versión de WeChat, el tamaño de la pantalla del teléfono y si el pago se realizó escaneando un código QR o haciendo que escaneen su código.
El OCR tradicional falla aquí no porque el texto sea difícil de leer, sino porque no puede responder a la pregunta "¿cuál de estos números es el monto?" sin una plantilla que le indique dónde buscar.
Aquí es donde el enfoque importa. Los modelos de lenguaje visual — el tipo de IA detrás de las herramientas de extracción modernas — no leen documentos escaneando caracteres en coordenadas fijas. Procesan toda la entrada visual de una vez: el texto, el diseño, las relaciones espaciales entre los elementos y el contexto que los une. Cuando un modelo de lenguaje visual encuentra "¥238.00" en el mismo marco visual que una UI de confirmación de pago — con un nombre de comerciante arriba, una marca de tiempo abajo y un encabezado de WeChat Pay envolviendo toda la pantalla — reconoce que este número es un monto de transacción. No un precio de producto, no una fecha, no un número de teléfono. Un monto. La distinción es semántica, no posicional.
Este es el cambio de la extracción basada en posición a la extracción semántica. Una plantilla pregunta: "¿dónde en la página está el campo del monto?" Un modelo visual pregunta: "¿qué número en esta imagen representa lo que se pagó?" La segunda pregunta funciona en cualquier diseño porque no está ligada a ningún diseño. Funciona igual en una captura de pantalla de WeChat que en una confirmación de Venmo o una página de pago de PayPal — porque el concepto de "monto pagado" existe en todas ellas, aunque los píxeles estén dispuestos de manera diferente en cada aplicación.
Aplicado a ImageToTable.ai, este mecanismo se llama Extracción de Columnas Personalizadas: usted escribe los nombres de los campos que desea — "Monto" y "Número de pedido" — y la IA localiza los valores correspondientes en cualquier parte de la captura de pantalla al comprender qué significa cada campo, no dónde se encuentra. Los nombres de columna que ingresa se convierten en los encabezados de su hoja de cálculo de salida. Cargue una captura de pantalla o cien; la extracción funciona de la misma manera porque no depende de coordenadas.
Extracción de los dos campos que importan
Así es como se ve el flujo de trabajo real para una captura de pantalla de WeChat Pay. Suba la imagen. Defina dos columnas: Monto y Número de pedido. La IA escanea la captura de pantalla, identifica el comerciante, el total del pago y la cadena del ID de transacción, y los coloca en una fila de una tabla. Si sube diez capturas de pantalla de diez pagos diferentes de WeChat — distintos comerciantes, distintos montos, distintas fechas — obtendrá diez filas en una sola hoja de cálculo, con las mismas dos columnas completadas para cada una.
El número de pedido merece un análisis más detallado porque es el campo que transforma una captura de pantalla de un simple recordatorio en algo que realmente puede utilizar en procesos posteriores. Cada transacción de WeChat Pay genera un ID de transacción único, visible en la pantalla de detalles del pago dentro de la aplicación y, en muchas versiones, directamente en la notificación de confirmación. Este número es lo que utiliza para cotejar el pago con su historial de transacciones de WeChat en la aplicación, o para compararlo con un extracto bancario si el pago se realizó con una tarjeta vinculada en lugar de con el saldo de WeChat. Es el ancla que conecta la captura de pantalla con una transacción específica y verificable. Tenerlo extraído en una hoja de cálculo junto con el monto significa que no tendrá que estar alternando entre una galería de fotos y un registro de transacciones cada vez que necesite verificar algo.
¿Qué puede hacer con estos dos campos una vez que están en una hoja de cálculo? Los usos son sencillos y no se limitan a un tipo específico de persona: dividir gastos compartidos con números exactos en lugar de estimaciones aproximadas, conciliar un mes de salidas de WeChat con un extracto bancario, adjuntar un registro de pago a una factura que llegó por separado por correo electrónico, o simplemente llevar un registro continuo de lo que salió y cuándo. Si procesa diez o veinte de estos al mes, el tiempo ahorrado al no tener que escribir manualmente dos campos por captura de pantalla se acumula rápidamente y, lo que es más importante, los números de pedido son cadenas numéricas largas que son fáciles de escribir mal a mano.
Existen limitaciones reales que vale la pena mencionar claramente. Si una captura de pantalla está recortada y el número de pedido no es visible en la imagen, la IA no puede extraerlo — no hay datos que encontrar. Diferentes versiones de WeChat muestran los detalles del pago de forma ligeramente distinta y, aunque el monto está presente de forma fiable en todas las pantallas de confirmación, el número de pedido puede requerir tocar una vista de detalle para ver la cadena completa en algunas versiones de la UI. La extracción solo es tan completa como la captura de pantalla que proporcione. Y, fundamentalmente, el resultado es una fila de una hoja de cálculo, no un documento fiscal — nada en este proceso transforma una captura de pantalla de WeChat en un fapiao legalmente válido. Lo que hace es ahorrarle la transcripción manual de los datos que ya están ahí, para que pueda dedicar su tiempo a las partes de su flujo de trabajo que realmente requieren criterio.
Si busca una guía paso a paso para extraer los detalles de una transacción de capturas de pantalla de WeChat — incluyendo cómo se ve la pantalla de confirmación completa y cómo capturarla correctamente — consulte nuestra guía de detalles de transacciones de WeChat Pay para la versión práctica de este artículo.
Preguntas Frecuentes
¿Puede una captura de pantalla de WeChat Pay reemplazar un fapiao para el reembolso de gastos?
No. En China, el fapiao es el único documento legalmente reconocido para el reembolso de gastos empresariales deducibles de impuestos. Una captura de pantalla de WeChat Pay es una confirmación de pago: demuestra que pagó, pero carece de la información fiscal, el sello oficial y la estructura de factura emitida por el gobierno que hacen que un fapiao sea legalmente válido. Algunas empresas aceptan capturas de pantalla de pago como documentación complementaria junto al fapiao; una guía de cumplimiento legal de 2024 de Covington & Burling recomienda específicamente esta práctica para empresas que gestionan gastos de empleados en China (fuente). Pero la captura de pantalla por sí sola no puede sustituir a un fapiao. Para el mantenimiento de registros personales, la conciliación y el seguimiento interno — donde el cumplimiento fiscal no es el objetivo — proporciona exactamente los datos que necesita.
¿Qué sucede si la captura de pantalla está completamente en chino? ¿La extracción sigue funcionando?
Sí. Los modelos de lenguaje visual procesan el texto en el idioma en que aparece; de hecho, procesan la apariencia visual del texto junto con su significado, lo que significa que los caracteres chinos se manejan de forma nativa, no a través de un proceso separado de OCR y luego traducción. El monto (expresado como un número con el símbolo ¥) y el número de transacción (una cadena numérica o alfanumérica) son campos independientes del idioma. Incluso el nombre del comerciante, que podría estar en chino, se extrae tal cual; es un campo de datos, no algo que necesite traducción para ser útil en una hoja de cálculo.
¿Este enfoque funciona para Alipay y otras aplicaciones de pago?
Sí. El mismo principio — extracción semántica, no coincidencia de plantillas — se aplica a cualquier captura de pantalla de una aplicación de pago. Alipay, Venmo, Zelle, Cash App, PayPal, Revolut y Wise producen pantallas de confirmación de pago que comparten la misma característica: no son tablas, no son recibos, pero todas contienen un monto y algún tipo de identificador de transacción. Hemos escrito guías separadas para varias de estas plataformas, incluyendo Venmo, Zelle, Cash App, PayPal, Revolut y Wise, cada una cubriendo los detalles específicos de la pantalla de confirmación de esa plataforma. El mecanismo subyacente es el mismo en todas ellas: usted define lo que quiere y la IA lo encuentra, independientemente de la apariencia de la fuente.
La captura de pantalla de WeChat Pay es un caso extremo de este principio. Es lo más alejado de un documento estructurado — una notificación de pago enterrada dentro de una súper aplicación de mensajería — y, sin embargo, los dos campos que importan siguen siendo extraíbles. Si el enfoque funciona aquí, funciona en cualquier lugar. Ese es el punto.