Capturas de WeChat Pay:
No son recibos. Aun así, obtén el importe y el número de pedido
A primera vista, extraer datos de una captura de WeChat Pay parece que no debería funcionar. No hay formato de factura, ni desglose por partidas, ni ID fiscal: la confirmación de pago parece pertenecer a un hilo de chat, no a 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 es medio correcto. 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 emitido por el gobierno 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 número de transacción — están justo ahí en la captura. Y se pueden extraer sin volver a teclear ni un solo dígito.
Qué muestra realmente una captura de pantalla de WeChat Pay (y qué no)
Cuando pagas 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. Esa es toda la pantalla. Sin líneas de detalle, 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 todas esas piezas faltantes. La brecha entre una captura de WeChat y un fapiao no es una diferencia menor 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 requiere un fapiao formal |
|---|---|
| Nombre del comerciante | Nombre comercial registrado del vendedor + número de identificación fiscal |
| Monto de la transacción (RMB) | Monto imponible y monto de IVA, separados |
| 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, teléfono y datos de cuenta bancaria del vendedor |
| Método de pago (saldo o tarjeta) | Identificación fiscal del comprador (para fapiao de IVA especial usados en deducciones) |
| — | Sello rojo oficial (发票专用章) o firma digital equivalente |
La conclusión no es que una captura de WeChat sea inútil. Es que la captura y el fapiao sirven para propósitos diferentes. Si necesitas un recibo deducible de impuestos para reembolsos corporativos en China, necesitas el fapiao — la captura por sí sola no satisfará a un departamento de finanzas ni a la oficina de impuestos. Pero si estás rastreando tus propios gastos en docenas de transacciones de WeChat, conciliando lo que pagaste contra lo que te facturaron, o manteniendo un registro personal de pagos para tu propia contabilidad, la captura tiene exactamente los datos que necesitas. El problema es extraerlos de manera eficiente.
Por qué «no es un recibo» no significa «no se puede extraer»
La intuición de que una captura 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 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 interfaz plana donde el importe, el nombre del comercio y el número de transacción flotan en un diseño tipo notificación que varía según la versión de WeChat, el tamaño de pantalla del teléfono y si el pago se hizo escaneando un código QR o haciendo que escaneen tu 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 importe?» sin una plantilla que le indique dónde mirar.
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 elementos y el contexto que los une. Cuando un VLM encuentra «¥238.00» en el mismo marco visual que una interfaz de confirmación de pago — con el nombre del comercio arriba, una marca de tiempo abajo y un encabezado de WeChat Pay envolviendo toda la pantalla — reconoce que ese número es un importe de transacción. No un precio de producto, no una fecha, no un número de teléfono. Un importe. La distinción es semántica, no posicional.
Este es el cambio de la extracción basada en posición a la extracción semántica. Una plantilla pregunta: «¿dónde está el campo de importe en la página?». Un modelo visual pregunta: «¿qué número de 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 WeChat que en una confirmación de Venmo o en una página de pago de PayPal — porque el concepto de «importe pagado» existe en todas ellas, aunque los píxeles estén dispuestos de forma diferente en cada aplicación.
Aplicado a ImageToTable.ai, este mecanismo se llama Extracción de Columnas Personalizadas: escribes los nombres de los campos que quieres — «Importe» y «Número de pedido» — y la IA localiza los valores correspondientes en cualquier parte de la captura entendiendo qué significa cada campo, no dónde está. Los nombres de columna que introduces se convierten en los encabezados de tu hoja de cálculo de salida. Sube una captura o cien; la extracción funciona igual 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. Sube la imagen. Define dos columnas: Monto y Número de pedido. La IA escanea la captura, identifica el comercio, el total del pago y la cadena del ID de transacción, y los coloca en una fila de una tabla. Si subes diez capturas de diez pagos diferentes de WeChat — distintos comercios, distintos montos, distintas fechas — obtienes diez filas en una misma 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 convierte una captura de pantalla de un simple recordatorio en algo que realmente puedes usar más adelante. 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 usas para cruzar el pago con tu 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 del saldo de WeChat. Es el ancla que conecta la captura con una transacción específica y verificable — y tenerlo extraído en una hoja de cálculo junto con el monto significa que no tienes que alternar entre la galería de fotos y el registro de transacciones cada vez que necesitas verificar algo.
¿Qué puedes hacer con estos dos campos una vez que están en una hoja de cálculo? Los usos son sencillos y no se limitan a un solo tipo de persona: dividir gastos compartidos con números exactos en lugar de estimaciones aproximadas, conciliar un mes de salidas de WeChat contra un extracto bancario, adjuntar un registro de pago a una factura que llegó por correo por separado, o simplemente llevar un registro continuo de lo que salió y cuándo. Si procesas diez o veinte de estos al mes, el tiempo ahorrado al no escribir manualmente dos campos por captura se acumula rápidamente — y lo más importante, los números de pedido son cadenas numéricas largas que son fáciles de escribir mal a mano.
Hay limitaciones reales que vale la pena mencionar claramente. Si una captura 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 manera ligeramente distinta, y aunque el monto está presente de forma confiable en cada pantalla de confirmación, el número de pedido puede requerir tocar una vista de detalles para ver la cadena completa en algunas versiones de la interfaz. La extracción solo es tan completa como la captura que proporciones. Y lo más importante, el resultado es una fila de hoja de cálculo, no un documento fiscal — nada en este proceso transforma una captura de WeChat en un fapiao legalmente válido. Lo que hace es ahorrarte la transcripción manual de los datos que ya están ahí, para que puedas dedicar tu tiempo a las partes de tu flujo de trabajo que realmente requieren criterio.
Si buscas una guía paso a paso para extraer detalles de transacciones de capturas de WeChat — incluyendo cómo se ve la pantalla de confirmación completa y cómo capturarla correctamente — consulta 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 una fapiao para el reembolso de gastos?
No. En China, una fapiao es el único documento legalmente reconocido para el reembolso de gastos comerciales deducibles de impuestos. Una captura de pantalla de WeChat Pay es una confirmación de pago: demuestra que pagaste, pero carece de la información fiscal, el sello oficial y la estructura de factura emitida por el gobierno que hacen que una fapiao sea legalmente válida. Algunas empresas aceptan capturas de pantalla de pago como documentación complementaria junto con la 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 una 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 necesitas.
¿Qué pasa si la captura de pantalla está completamente en chino? ¿Puede funcionar la extracción?
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.
¿Funciona este enfoque 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 alguna forma 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: defines lo que quieres y la IA lo encuentra, sin importar cómo se vea 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 superapp de mensajería — sin embargo, los dos campos que importan siguen siendo extraíbles. Si el enfoque funciona aquí, funciona en cualquier lugar. Ese es el punto.