Document

Excel, PDF, and Word document read/write/convert.

8 modules

Module	Description
Leer Excel	Leer datos de archivos Excel (xlsx, xls)
Escribir Excel	Escribir datos a archivos Excel (xlsx)
Llenar formulario PDF	Llenar campos de formulario PDF con datos e insertar imagenes opcionalmente
Generar PDF	Generar archivos PDF desde contenido HTML o texto
Parsear PDF	Extraer texto y metadatos de archivos PDF
PDF a Word	Convertir archivos PDF a documentos Word (.docx)
Parsear documento Word	Extraer texto y contenido de documentos Word (.docx)
Word a PDF	Convertir documentos Word (.docx) a archivos PDF

Modules

Leer Excel

excel.read

Leer datos de archivos Excel (xlsx, xls)

Parameters:

Name	Type	Required	Default	Description
path	string	Yes	-	Path to the Excel file
sheet	string	No	-	Sheet name (default: first sheet)
header_row	number	No	1	Row number for headers (1-based, 0 for no headers)
range	string	No	-	Cell range to read (e.g., "A1:D10")
as_dict	boolean	No	True	Return rows as dictionaries (using headers as keys)

Output:

Field	Type	Description
data	array	Filas de datos extraidas
headers	array	Filas de datos extraidas
row_count	number	Filas de datos extraidas
sheet_names	array	Encabezados de columna

Example: Read entire sheet

path: /tmp/data.xlsx
as_dict: true

Escribir Excel

excel.write

Escribir datos a archivos Excel (xlsx)

Parameters:

Name	Type	Required	Default	Description
path	string	Yes	-	Path to the Excel file
data	array	Yes	-	Data to write (array of arrays or array of objects)
headers	array	No	-	Column headers (auto-detected from objects if not provided)
sheet_name	string	No	Sheet1	Name of the worksheet
auto_width	boolean	No	True	Automatically adjust column widths

Output:

Field	Type	Description
path	string	Ruta al archivo Excel creado
row_count	number	Ruta al archivo Excel creado
size	number	Ruta al archivo Excel creado

Example: Write data to Excel

path: /tmp/output.xlsx
data: [{"name": "Alice", "age": 30}, {"name": "Bob", "age": 25}]

Llenar formulario PDF

pdf.fill_form

Llenar campos de formulario PDF con datos e insertar imagenes opcionalmente

Parameters:

Name	Type	Required	Default	Description
template	string	Yes	-	Path to the PDF template file
output	string	Yes	-	Path for the output document
fields	object	No	{}	Key-value pairs of form field names and values
images	array	No	[]	List of images to insert with position info
flatten	boolean	No	True	Flatten form fields (make them non-editable)

Output:

Field	Type	Description
output_path	string	Ruta al PDF llenado
fields_filled	number	Ruta al PDF llenado
images_inserted	number	Ruta al PDF llenado
file_size_bytes	number	Numero de imagenes insertadas

Example: Fill form with text fields

template: /templates/form.pdf
output: /output/filled.pdf
fields: {"name": "John Doe", "id_number": "A123456789", "date": "2024-01-01"}

Example: Fill form with photo

template: /templates/id_card.pdf
output: /output/id_card_filled.pdf
fields: {"name": "Jane Doe"}
images: [{"file": "/photos/jane.jpg", "page": 1, "x": 50, "y": 650, "width": 100, "height": 120}]

Generar PDF

pdf.generate

Generar archivos PDF desde contenido HTML o texto

Parameters:

Name	Type	Required	Default	Description
content	string	Yes	-	HTML or text content to convert to PDF
output_path	string	Yes	-	Path for the output document
title	string	No	-	Document title (metadata)
author	string	No	-	Document author (metadata)
page_size	select (A4, Letter, Legal, A3, A5)	No	A4	Page size format
orientation	select (portrait, landscape)	No	portrait	Page orientation
margin	number	No	20	Page margin in millimeters
header	string	No	-	Header text for each page
footer	string	No	-	Footer text for each page

Output:

Field	Type	Description
output_path	string	Ruta al PDF generado
page_count	number	Ruta al PDF generado
file_size_bytes	number	Numero de paginas en el PDF

Example: Generate from HTML

content: <h1>Report</h1><p>Content here</p>
output_path: /path/to/report.pdf
title: Monthly Report

Parsear PDF

pdf.parse

Extraer texto y metadatos de archivos PDF

Parameters:

Name	Type	Required	Default	Description
path	string	Yes	-	Path to the PDF file
pages	string	No	all	Page range (e.g., "1-5", "1,3,5", or "all")
extract_images	boolean	No	False	Extract embedded images
extract_tables	boolean	No	False	Extract tables as structured data

Output:

Field	Type	Description
text	string	Contenido de texto extraido
pages	array	Contenido de texto extraido
metadata	object	Contenido de texto extraido
page_count	number	Contenido de texto por pagina

Example: Extract all text from PDF

path: /tmp/document.pdf
pages: all

PDF a Word

pdf.to_word

Convertir archivos PDF a documentos Word (.docx)

Parameters:

Name	Type	Required	Default	Description
input_path	string	Yes	-	Path to the input document
output_path	string	No	-	Path for the output document
preserve_formatting	boolean	No	True	Preserve basic formatting
pages	string	No	all	Page range (e.g., "1-5", "1,3,5", or "all")

Output:

Field	Type	Description
output_path	string	Ruta al documento Word generado
page_count	number	Ruta al documento Word generado
file_size	number	Numero de paginas convertidas

Example: Convert entire PDF to Word

input_path: /tmp/document.pdf

Example: Convert specific pages

input_path: /tmp/document.pdf
output_path: /tmp/output.docx
pages: 1-5

Parsear documento Word

word.parse

Extraer texto y contenido de documentos Word (.docx)

Parameters:

Name	Type	Required	Default	Description
file_path	string	Yes	-	Path to the Word document (.docx)
extract_tables	boolean	No	True	Extract tables as structured data
extract_images	boolean	No	False	Extract embedded images
images_output_dir	string	No	-	Directory to save extracted images
preserve_formatting	boolean	No	False	Preserve basic formatting

Output:

Field	Type	Description
text	string	Contenido de texto completo del documento
paragraphs	array	Contenido de texto completo del documento
tables	array	Contenido de texto completo del documento
images	array	Lista de parrafos
metadata	object	Tablas extraidas como arrays

Example: Extract text from Word

file_path: /path/to/document.docx

Example: Extract with tables and images

file_path: /path/to/document.docx
extract_tables: true
extract_images: true
images_output_dir: /path/to/images/

Word a PDF

word.to_pdf

Convertir documentos Word (.docx) a archivos PDF

Parameters:

Name	Type	Required	Default	Description
input_path	string	Yes	-	Path to the input document
output_path	string	No	-	Path for the output document
method	select (auto, libreoffice, docx2pdf)	No	auto	Method to use for conversion

Output:

Field	Type	Description
output_path	string	Ruta al archivo PDF generado
file_size	number	Numero de paginas convertidas
method_used	string	Tamano del archivo de salida en bytes

Example: Convert Word to PDF

input_path: /tmp/document.docx

Example: Convert with specific output path

input_path: /tmp/document.docx
output_path: /tmp/output.pdf