Python Script for Excel Data Extraction (200+ excel sheets)

Objetivo del Proyecto
Desarrollar una solución automatizada en Python que procese archivos Excel mensuales con múltiples tablas no estructuradas, extrayendo y organizando la información en un formato estructurado y agregando control temporal a los datos.

Alcance del Proyecto

Desarrollo completo del script en Python usando Jupyter Notebook
Documentación del código
Manual de usuario para la ejecución del script


Requisitos Técnicos
Tecnologías Requeridas

Python 3.8+
Pandas
Openpyxl/XlsxWriter
Jupyter Notebook

Funcionalidades Principales

Procesamiento de Archivos

Lectura de archivos Excel (.xlsx)
Capacidad de procesar múltiples hojas
Manejo de archivos de gran tamaño
Control de errores y validaciones


Detección Inteligente de Tablas

Identificación automática de tablas no delimitadas
Soporte para tablas con crecimiento horizontal y vertical
Procesamiento de múltiples tablas por hoja
Manejo de diferentes estructuras y tamaños de tabla
Tratamiento de celdas combinadas


Extracción y Estructuración de Datos

Detección automática de títulos/encabezados
Conversión a DataFrames de Pandas
Preservación de la integridad de los datos
Manejo de tipos de datos


Control Temporal de Datos

Adición automática de fechas a cada tabla
Extracción de información temporal del contenido cuando esté disponible
Uso de la fecha del archivo como valor predeterminado
Creación de campo calculado para fecha completa (fecha + hora cuando aplique)

Fuente
El archivo se genera una vez al mes, por lo que la información estará mensual de forma diaria u horaria según la tabla.