Converta PDF em Excel, mesmo quando o PDF é um escaneamento

Por que tabelas em PDF confundem os assistentes de IA genéricos

Um PDF não guarda uma tabela como tabela. Ele guarda caracteres em posições da página, e as linhas e colunas só existem para quem olha. Em um PDF escaneado nem há caracteres, só a imagem da página. Reconstruir a grade significa decidir, para cada número, a qual linha e a qual coluna ele pertence.

Um assistente de chat consegue fazer isso com uma tabela curta e limpa. Em uma tabela larga, uma célula vazia ou mesclada pode empurrar todos os valores seguintes uma coluna para a direita, e o resultado continua parecendo uma tabela organizada. Em um documento longo, o assistente precisa reproduzir centenas de linhas em uma única resposta, então tende a encurtar o resultado ou parar. E o que você recebe costuma ser uma tabela desenhada na janela do chat, que depois você mesmo precisa copiar para uma planilha.

Esta ferramenta lê cada página separadamente e devolve dados estruturados: uma lista de colunas e, para cada linha, exatamente uma célula por coluna, com as células vazias mantidas vazias. Ela é instruída a copiar os valores, não a interpretá-los, e a escrever [illegible] onde um valor não puder ser lido. Como o resultado fica ao lado da imagem da página, é fácil notar uma coluna deslocada antes de exportar.

O que as pessoas convertem

• Relatórios financeiros e demonstrações anuais com páginas de números
• Listas de preços, catálogos e fichas de produtos de fornecedores
• Notas fiscais e pedidos de compra com itens
• Tabelas escaneadas ou impressas que só existem no papel
• Artigos científicos e relatórios do governo com tabelas de dados
• Tabelas de horários, escalas e listas de estoque

Como valores e tabelas chegam à planilha

Os valores são copiados do jeito que estão impressos. Um número simples como 1204.5 chega como número, que você pode somar. Um valor impresso com símbolo de moeda ou separador de milhar, como $1,204.50, é mantido exatamente assim e chega como texto, para que nada seja alterado em silêncio. Se quiser fazer cálculos com essas células, converta-as na sua planilha depois de conferir.

As tabelas ficam separadas. No arquivo XLSX, cada tabela ganha sua própria planilha, com o nome do título ou da página. Uma tabela que continua por várias páginas volta como uma tabela por página, na ordem das páginas, e não é unida automaticamente. No arquivo CSV, as tabelas vêm uma após a outra em um único arquivo. Uma página sem tabela, mas com conteúdo claramente tabular, como pares de rótulo e valor ou uma lista detalhada, também volta como tabela.

Como obter um resultado limpo e quais são os limites

PDFs digitais e escaneamentos limpos são os que melhor funcionam. Para uma foto, deixe a página plana, fotografe bem de cima e preencha o enquadramento com a tabela. Letras muito pequenas em uma página grande são lidas melhor se você dividir em partes. PDFs protegidos por senha não podem ser abertos, então remova a senha antes.

A ferramenta extrai dados. Ela não preserva fontes, cores, bordas, fórmulas nem gráficos, e também não transforma um gráfico em números. Nenhum leitor é perfeito, então compare os totais e os valores principais com a página exibida ao lado da tabela e confira qualquer célula marcada com [illegible]. Para extratos bancários e faturas de cartão de crédito, use o nosso conversor de extrato bancário: ele devolve todas as transações em uma única tabela com colunas fixas.