PDF para Excel v1.0

O conversor de PDF para Excel do DocPivot extrai as tabelas de um arquivo PDF e grava uma planilha .xlsx de verdade, não um CSV com a extensão trocada. A diferença aparece na primeira soma: um valor como 1.240 chega à célula como número e a fórmula funciona sem limpeza prévia. A extração acontece no navegador, sem limite de páginas e sem enviar o arquivo para lugar nenhum. Páginas digitalizadas, que boa parte do setor reserva ao plano pago, são lidas por OCR sem custo.

Visão geral do conversor de PDF para Excel do DocPivot

Funcionalidade principal

A ferramenta lê cada página do PDF, reconstrói a estrutura de linhas e colunas e escreve o resultado em uma pasta de trabalho do Excel. O mecanismo usa a biblioteca pdf.js na versão 6.2.108 para obter cada trecho de texto com suas coordenadas na página. Os trechos são agrupados em linhas pela mesma linha de base e em colunas pela posição horizontal, o que identifica uma tabela mesmo sem bordas desenhadas. Relatórios gerados por sistemas bancários e por ERPs costumam usar só espaçamento para separar colunas, e é neles que a leitura por coordenadas se sai melhor.

Quem usa e em quais situações

Contadores, analistas financeiros e donos de pequenos negócios formam o grupo que mais recorre a esse tipo de conversão. O motivo é sempre o mesmo: o dado existe, está visível na tela, mas está preso em um formato que não permite filtrar nem somar. Extratos bancários, relatórios de marketplace, faturas de fornecedores e demonstrativos de sistemas legados chegam como PDF e precisam virar linha de planilha. Pesquisadores e jornalistas de dados entram na mesma fila ao tabular anexos de relatórios públicos.

O problema e a solução

Copiar e colar uma tabela de PDF direto no Excel costuma produzir uma coluna única com tudo empilhado, ou colunas embaralhadas que levam mais tempo para arrumar do que a digitação manual levaria. Converter para CSV resolve pela metade, porque o Excel lê valores entre aspas como texto e o total sai zero. A saída em .xlsx elimina o problema na origem, gravando a célula com tipo numérico dentro do próprio arquivo.

Por que .xlsx faz diferença e o CSV não resolve

A escolha do formato de saída é a decisão técnica mais importante desta ferramenta. Em um arquivo CSV, uma célula que contém 1.240 precisa ser envolvida por aspas para que o separador de milhar não se confunda com o separador de campos, e o Excel lê o conteúdo entre aspas como texto. Visualmente está tudo certo, mas o valor não entra em nenhuma soma. O erro costuma passar despercebido em planilhas grandes.

A pasta de trabalho gerada pelo DocPivot grava o tipo de dado dentro do XML da planilha. O comportamento foi verificado no LibreOffice: o arquivo devolve 1240 como valor numérico, e a inspeção do XML da planilha mostra a célula B3 marcada como numérica com o valor 1240, enquanto a célula A3, que contém o texto "Norte", aparece marcada como texto. Números viram números, o resto vira cadeia de caracteres em linha. O resultado é um arquivo utilizável, não apenas um arquivo que abre.

O CSV continua disponível e há situações em que é a escolha certa: importação em sistema contábil que exige texto simples, carga em banco de dados ou processamento por script. A regra prática: se o destino é análise em planilha, use .xlsx; se é outro sistema que vai reinterpretar os campos, o CSV serve. Para o caminho inverso, depois de tratado o dado, use o conversor de Excel para PDF.

Principais benefícios da extração de tabelas em planilha

• Números somáveis desde o primeiro clique: valores chegam com tipo numérico na célula, dispensando localizar e substituir antes das fórmulas.
• Sem limite de páginas: como a leitura acontece no navegador, não existe cota de páginas nem teto de tamanho imposto por servidor.
• Arquivo não sai do dispositivo: a extração de texto é local, o que muda a conversa sobre documentos com dado sensível.
• Leitura de páginas digitalizadas incluída: o reconhecimento óptico está disponível sem plano pago, ao contrário do padrão do setor.
• Aviso quando o resultado seria vazio: se uma configuração não encontrar tabela alguma, a ferramenta avisa e indica o ajuste.
• Layout escolhido por você: uma folha por página ou tudo concatenado, conforme o documento.
• Sem cadastro e sem marca d'água: não há criação de conta nem e-mail obrigatório, e o arquivo sai limpo.

Funcionalidades do extrator de tabelas

• Agrupamento por linha de base: trechos na mesma altura da página viram uma linha da planilha, preservando registros que se espalham horizontalmente.
• Detecção de colunas por posição: a coluna vem da coordenada horizontal, então tabelas sem bordas são reconhecidas como as que têm grade.
• Modo "Somente tabelas": descarta título, parágrafos e rodapés, deixando o cabeçalho real na linha 1.
• Modo "Tudo" como padrão: mantém o conteúdo fora das tabelas para que nada suma sem você perceber.
• Célula com quebra de linha preservada: um texto que ocupa duas linhas dentro da mesma célula continua inteiro.
• Reconhecimento óptico opcional: páginas sem camada de texto são processadas quando você ativa a opção, que avisa antes de rodar.
• Escrita direta do XLSX: a planilha é montada como XML dentro de um ZIP pelo próprio mecanismo, sem biblioteca externa.
• Saída em CSV: alternativa para quem vai importar em outro sistema em vez de analisar na planilha.
• Retorno explícito de falha: quando a extração não encontra grade, a mensagem nomeia a configuração a alterar.

Como funciona o conversor de PDF para Excel do DocPivot

1. Selecione o PDF. Arraste o arquivo para a área indicada ou escolha pelo seletor. O arquivo permanece no seu dispositivo enquanto o reconhecimento óptico não for acionado.
2. Escolha o formato de saída. A opção padrão é a pasta de trabalho .xlsx. Troque para CSV apenas se o destino for outro sistema.
3. Defina o que deve ser extraído. "Tudo" preserva o conteúdo fora das tabelas. "Somente tabelas" limpa a grade e joga o cabeçalho verdadeiro para a primeira linha.
4. Indique se a página está digitalizada. PDFs com camada de texto seguem o caminho padrão; escaneados exigem o reconhecimento óptico.
5. Escolha o layout. Uma folha por página facilita a conferência, e uma folha única facilita a tabela dinâmica sobre o conjunto inteiro.
6. Baixe e confira. Verifique o cabeçalho e teste uma soma rápida em uma coluna numérica antes de seguir com a análise.

Configurações disponíveis e quando mudar cada uma

São quatro decisões, e o padrão de fábrica atende à maioria dos arquivos: formato de saída entre .xlsx e CSV, escopo entre "Tudo" e "Somente tabelas", tratamento de página digitalizada entre leitura padrão e reconhecimento óptico, e layout entre uma folha por página e folha única.

O escopo é a configuração que mais influencia o resultado. Um relatório de sistema, com cabeçalho institucional e rodapé em todas as páginas, fica bem mais limpo em "Somente tabelas". Já um contrato que traz uma tabela de valores no meio de texto corrido perde contexto nesse modo. Para documentos longos, isolar antes o intervalo relevante com o extrator de páginas de PDF reduz o tempo de conferência.

Quando usar o conversor de PDF para Excel

A ferramenta entrega mais valor quando o PDF é a única fonte do dado e a alternativa realista seria digitar tudo à mão. Isso acontece quando o sistema de origem não exporta planilha, quando o arquivo veio de terceiros já fechado, ou quando o histórico está fora da janela de exportação.

• Extrato bancário fora do prazo de exportação: vários bancos limitam o download estruturado aos meses recentes e mantêm o PDF por mais tempo.
• Relatório de vendas de marketplace: demonstrativos do Mercado Livre e da Shopee costumam chegar em PDF quando são gerados a partir de painéis de repasse.
• Anexo de relatório público: tabelas de portais gov.br quase sempre saem em PDF, e quando o anexo está no meio de um arquivo enorme o divisor de PDF isola a parte relevante antes.
• Prestação de contas e conciliação: o fechamento mensal exige cruzar lançamentos, e cruzamento pressupõe coluna comparável.
• Migração de sistema legado: relatórios antigos exportados apenas em PDF ainda precisam alimentar o sistema novo.

Há casos em que outra ferramenta resolve melhor. Se o objetivo é editar o texto do documento e não analisar dados, o conversor de PDF para Word preserva melhor a diagramação. Se você só precisa do texto puro, sem estrutura de grade, o extrator de texto de PDF é mais direto.

Casos de uso no mercado brasileiro

Escritório contábil no fechamento mensal

Contexto: um escritório atende dezenas de empresas no Simples Nacional e recebe extratos em PDF de contas que não exportam OFX do período todo.

• O extrato de cada conta é convertido em planilha com uma folha por mês.
• As colunas de data, histórico e valor são padronizadas em uma folha única.
• A conciliação usa procura por chave entre o extrato e o razão do sistema contábil.

Resultado: a conferência passa a ser sobre divergência de valor, não sobre erro de transcrição. Quando o extrato vem em vários arquivos, o unificador de PDF junta tudo antes da extração.

MEI conferindo repasses de marketplace

Contexto: um microempreendedor individual vende no Mercado Livre e precisa comparar o repasse recebido via Pix com o demonstrativo em PDF da plataforma.

• O demonstrativo vira planilha com valores em células numéricas.
• Uma tabela dinâmica soma tarifas, comissões e frete por período.
• O total confrontado com o extrato revela qualquer diferença de repasse.

Resultado: a conferência que levava uma tarde de contagem manual vira uma fórmula. Se houver páginas em orientação diferente, o girador de PDF corrige antes, já que o alinhamento depende da orientação.

Analista tratando relatório digitalizado de arquivo morto

Contexto: uma empresa precisa recuperar números de balanços antigos que só existem em papel escaneado, sem camada de texto.

• A opção de reconhecimento óptico é ativada de forma consciente, com o aviso de envio na tela.
• Os valores extraídos são conferidos contra uma amostra do documento original.
• Os cabeçalhos passam por revisão manual, porque são o ponto fraco do reconhecimento.

Resultado: a série histórica volta a ser calculável. Como escaneados costumam ser pesados, passar antes pelo compressor de PDF acelera o carregamento, desde que a resolução permaneça adequada.

Limites honestos da extração de tabelas

Nem todo PDF tem uma grade que o extrator consiga detectar. Isso é uma limitação real do método, não um defeito ocasional. Quando o modo "Somente tabelas" não encontra estrutura nenhuma, a ferramenta avisa e nomeia a configuração a ser alterada, em vez de entregar um arquivo vazio. Essa é a razão de o padrão ser "Tudo": uma ferramenta que devolve nada em silêncio é indistinguível de uma ferramenta quebrada.

O reconhecimento óptico acerta bem os números e nem sempre os cabeçalhos. Em um teste com documento digitalizado a 150 DPI e sem camada de texto, os 20 valores da tabela saíram corretos e uma célula de cabeçalho leu Q1 como Qi. Confira a linha de cabeçalho depois de qualquer conversão com OCR, porque um cabeçalho errado se propaga em silêncio para todos os gráficos e filtros da base.

Cabeçalhos mesclados e de dois níveis mantêm a posição, não a mesclagem: um título que cobre duas colunas cai acima da primeira delas, e a associação com a segunda precisa ser refeita à mão. Linhas de uma célula só são preservadas quando ficam sob uma coluna, e não na margem esquerda, porque sem essa regra frases de continuação perdiam a segunda parte sem aviso.

Vale registrar também o que a ferramenta não faz. Ela não recria fórmulas, porque um PDF carrega apenas o resultado impresso, e não reconstrói formatação condicional nem largura de coluna. E não abre arquivos protegidos: a senha precisa ser removida antes, com o desbloqueador de PDF, o que só é legítimo quando você tem direito de acesso ao documento.

Privacidade, LGPD e o que acontece com seu arquivo

A extração de texto roda inteiramente no navegador, então o PDF não é enviado a servidor algum na conversão padrão. Existe uma exceção, declarada antes do clique: o reconhecimento óptico usa Tesseract em servidor, e ativar essa opção envia o arquivo. Nenhuma outra função da página faz isso.

Essa distinção importa no contexto da Lei Geral de Proteção de Dados. Extratos bancários, folhas de pagamento e relatórios com nome e CPF são dados pessoais. O tratamento local reduz a superfície de exposição, mas não substitui a política interna do seu escritório sobre manuseio de documento de terceiro. Para trechos que precisam ser suprimidos de forma definitiva antes do compartilhamento, o tarjador de PDF remove o conteúdo em vez de apenas cobri-lo.

O fluxo principal não usa inteligência artificial, não chama interface de terceiros e não exige chave de acesso. A consequência prática para quem audita processo é que a conversão é determinística: o mesmo arquivo com as mesmas configurações gera sempre a mesma saída.

O que comparar antes de escolher um conversor de PDF para Excel

As diferenças relevantes raramente aparecem na página inicial de um conversor. Vale checar quatro pontos concretos. O primeiro é o tipo de célula na saída: abra a planilha convertida e teste uma soma, porque se der zero os números vieram como texto. O segundo é o custo do reconhecimento óptico, que ferramentas populares tratam como recurso de plano pago ou de período de teste, como se vê nas páginas do Smallpdf e do Adobe Acrobat online.

O terceiro ponto é o limite de páginas e de tamanho, que costuma existir quando o processamento acontece em servidor, já que cada conversão consome capacidade de quem hospeda. O quarto é o comportamento em caso de falha: uma ferramenta que baixa um arquivo vazio custa mais tempo do que uma que avisa. Se o seu fluxo envolve muitos arquivos por dia, o editor de PDF em lote ajuda a preparar o conjunto antes da conversão.

Perguntas frequentes