Extrair tabelas de PDF para Excel

O contador mandou um extrato bancário de vinte páginas em PDF e você precisa fechar os valores por fornecedor. Redigitar trezentas linhas na mão é meia tarde de trabalho e erro de digitação garantido nos totais. A situação é conhecida: os dados estão ali, na sua frente, mas presos num formato de onde não dá para simplesmente copiar para uma planilha decente. O mesmo acontece com listas de preços, atas de conferência, folhas de ponto e qualquer relatório que chega pronto em PDF, sem o Excel de origem.

O problema é que o PDF foi pensado para impressão, não para trabalhar com dados. Por dentro ele não guarda "uma tabela com colunas", e sim um monte de caracteres com coordenadas na página: onde cada número foi desenhado. A pessoa vê a grade, o programa vê números espalhados. Por isso, selecionar com o mouse muitas vezes gruda tudo numa linha só ou rasga as células. Um conversor bom reconstrói a estrutura da tabela pela posição do texto, e quanto mais limpo for o PDF de origem, mais preciso fica o resultado.

Como tirar a tabela: passo a passo

1. Abra o pdf-to-excel e envie o PDF com a tabela. Se o arquivo for pesado e cheio de scans, passe antes por uma compressão: o envio fica mais rápido. 2. Espere o processamento e baixe o arquivo XLSX. Abra logo no Excel ou no Google Planilhas e olhe as primeiras linhas, que é a parte mais reveladora. 3. Confira se cada coluna do original caiu numa coluna separada, e não grudou tudo junto. Atenção especial a datas e valores: são os que mais desalinham. 4. Tire o lixo técnico: cabeçalhos repetidos em cada página, linhas em branco entre blocos, linhas de "Transporte" e "Total da página" dos extratos de várias páginas. 5. Deixe os números no formato numérico. Depois da conversão, os valores às vezes viram texto e aí não somam. Selecione a coluna e veja se o Excel os trata como números (ficam alinhados à direita, não à esquerda). 6. Bata a soma de controle. Some a coluna final com uma fórmula e compare com o "Total" do PDF original: é a melhor defesa contra uma linha perdida ou contada duas vezes.

O que pode dar errado

• O PDF era uma imagem. Se o texto não dá para selecionar com o mouse, é um scan sem camada de texto, e os números não saem como dados. Falta um OCR antes (reconhecimento), senão o resultado vem vazio ou embolado.
• Colunas feitas com espaços. Tabelas sem linhas visíveis são lidas pior pelo conversor: colunas vizinhas podem grudar. Se houver um separador claro (espaço ou tabulação), divida as células no Excel em "Dados" e "Texto para colunas".
• Valores viraram texto. Separadores de milhar (ponto ou espaço) e o símbolo da moeda quebram o formato numérico. Troque-os em "Localizar e substituir" e passe a coluna para tipo numérico, ou as fórmulas não vão funcionar.
• Células mescladas se desfizeram. Cabeçalhos agrupados ("1º tri" sobre três meses) costumam se desmanchar. É mais rápido ajustar na mão do que exigir perfeição do conversor.
• Separador decimal trocado. Se o original usa ponto e seu sistema usa vírgula (ou o contrário), o número "12.5" o Excel lê como texto ou data. Confira as configurações regionais e troque o separador se precisar.
• Sinais de menos invertidos. Em PDFs contábeis, os valores negativos vêm entre parênteses: (1.200,00). O Excel nem sempre entende isso como menos, então confira o sinal nas linhas de despesa.

O que conferir

• O número de linhas no Excel bate com o número de linhas de dados do PDF original (sem contar cabeçalhos).
• A soma total da coluna fecha com o "Total" do original, até o centavo.
• As datas foram reconhecidas como datas, e não como texto ou números soltos.
• Nenhuma coluna grudou na vizinha e não sobrou nenhuma coluna vazia.
• A acentuação está em ordem: nomes de fornecedores não viraram símbolos estranhos.

E depois

A planilha pronta já pode entrar no trabalho. Se mais tarde você precisar enviar o resumo de volta num formato que ninguém altere, monte tudo com o excel-to-pdf. A parte de texto do relatório fica fácil de editar pelo pdf-to-word, e páginas soltas do extrato dá para salvar como imagem com o pdf-to-jpg. Todas as ferramentas são gratuitas, sem cadastro, e os arquivos são apagados depois do processamento.