PDF para Excel: como a extração de tabelas realmente funciona

Você consegue ver a tabela em um PDF: linhas, colunas, um cabeçalho, um total no final. Parece óbvio que um conversor deveria levá-la direto para uma planilha. O problema é que o PDF não contém uma tabela. Ele contém instruções para desenhar caracteres em certas posições e linhas em outras, e a grade que você vê é algo que seus olhos montam. Todo conversor de PDF para Excel precisa reconstruir a tabela a partir dessas peças espalhadas, e é por isso que os resultados vão do perfeito ao inutilizável. Este guia explica como essa reconstrução funciona, onde ela falha e como levar números limpos para o Excel de um jeito ou de outro.

O que há de fato dentro de uma tabela em PDF

Pegue uma linha de fatura com três colunas: “Consultoria”, “12 mar. 2026” e “1.250,00”. Dentro do PDF, isso é um conjunto de fragmentos de texto separados, cada um com uma coordenada x e y. Os fragmentos podem não coincidir com as palavras: um programa grava “1.250,00” como uma única peça, outro como “1.2” e “50,00”, e outro posiciona cada caractere sozinho. Eles também não precisam aparecer na ordem de leitura. Alguns programas desenham uma tabela inteira uma coluna por vez.

As linhas da grade são instruções de desenho separadas, sem ligação com o texto. Uma linha grossa pode ser desenhada como muitos segmentos curtos, uma linha sombreada pode ser um retângulo preenchido sem nenhuma linha, e muitas tabelas não têm linha nenhuma. Nada no arquivo diz “isto é uma célula”, “estas duas células estão mescladas” ou “esta linha pertence à tabela”.

As duas formas como os conversores encontram uma tabela

As ferramentas de extração de tabelas costumam usar um de dois métodos. Ferramentas de código aberto, como Tabula e Camelot, os chamam de “lattice” e “stream”.

Seguindo as linhas da grade (lattice). O conversor reúne as linhas horizontais e verticais, descobre onde elas se cruzam e trata cada área fechada como uma célula. Depois, coloca cada pedaço de texto na célula em que ele cai. Isso funciona muito bem em tabelas com grade completa. Falha quando não há linhas, quando as linhas estão quebradas em fragmentos que não se encontram direito ou quando se usa sombreamento em vez de bordas.
Seguindo os espaços em branco (stream). O conversor agrupa o texto em linhas pela altura na página e depois procura espaços verticais que descem de forma consistente pelas linhas, tratando-os como limites de coluna. Isso dá conta de tabelas sem bordas, como muitos demonstrativos financeiros. Tem dificuldade quando as colunas estão próximas, quando uma coluna é centralizada em vez de alinhada ou quando um valor longo em uma linha cobre o espaço que separa duas colunas em todas as outras.

Os dois métodos são heurísticos. São confiáveis em tabelas limpas e regulares e pouco confiáveis em todo o resto, e é por isso que nenhum conversor acerta todas as tabelas.

Onde a extração de tabelas dá errado

Mesmo quando as colunas são encontradas corretamente, alguns problemas aparecem sempre:

Células com quebra de linha. Uma descrição que continua em uma segunda linha parece uma linha nova com só uma coluna preenchida.
Títulos mesclados e que abrangem várias colunas. Um título que fica sobre duas colunas precisa ser atribuído a uma delas, ou a nenhuma.
Quebras de página. Uma tabela que continua na página seguinte repete o cabeçalho, e uma linha pode ficar dividida pela quebra.
Números que chegam como texto. Símbolos de moeda, separadores de milhar, negativos entre parênteses e marcas de nota de rodapé grudadas em um número podem impedir o Excel de reconhecer um número. Um ponto decimal, como em “1,250.00”, só é lido corretamente se o seu Excel usar a mesma convenção.
Datas ambíguas. 03/04/2026 é 3 de abril em alguns países e 4 de março em outros, e o Excel escolhe uma das duas com base nas suas configurações.
Fontes sem mapeamento de texto. Alguns PDFs incorporam fontes sem a tabela que liga cada glifo de volta a um caractere. Elas aparecem perfeitamente, mas copiar ou extrair o texto delas gera caracteres sem sentido.
Digitalizações. Uma página digitalizada não tem texto nenhum, só uma imagem dele, então não há nada para extrair sem passar antes por OCR.

O que a nossa ferramenta PDF para Excel faz

Nosso conversor PDF para Excel roda no seu navegador, então o arquivo não é enviado. Ele dá a cada página do PDF uma planilha própria, chamada Página 1, Página 2 e assim por diante. Na coluna A, ele escreve cada linha de texto da página, de cima para baixo, uma linha por linha da planilha, e posiciona cada imagem no ponto da página em que ela foi desenhada.

Ele não tenta adivinhar onde estão as colunas. Assim, mantém todas as linhas, na ordem de leitura, sem nada descartado ou colocado na coluna errada por um palpite ruim. Mas isso também significa que uma linha de tabela chega em uma única célula, com os valores separados por espaços simples, e você mesmo a divide em colunas. Se o PDF desenhou a tabela uma coluna por vez, os valores de uma linha podem chegar em células consecutivas.

Não há OCR, então uma página digitalizada chega como imagem, e não como texto. Um PDF que precisa de senha para abrir tem de ser desbloqueado antes.

Como dividir uma coluna em colunas de verdade no Excel

O Excel tem boas ferramentas para a segunda metade do trabalho:

Texto para Colunas, na guia Dados, divide uma coluna em um delimitador. Escolha Delimitado e depois Espaço. Isso funciona bem quando os próprios valores não têm espaços, o que é comum em tabelas de números e códigos. Em Avançado, na última etapa, você pode definir os separadores decimal e de milhar, o que resolve números no estilo “1,250.00”.
Preenchimento Relâmpago (Ctrl+E) aprende com um exemplo. Digite na coluna ao lado o valor que você quer da primeira linha, pressione Ctrl+E, e o Excel preenche o resto seguindo o mesmo padrão.
Fórmulas, no Excel do Microsoft 365. =DIVIDIRTEXTO(A2;" ") espalha uma linha pelas colunas, e =TEXTODEPOIS(A2;" ";-1) devolve tudo o que vem depois do último espaço, que normalmente é o valor no fim de uma linha. Coloque dentro de VALOR() para transformá-lo em número.

O Excel do Microsoft 365 no Windows também pode importar um PDF diretamente, em Dados > Obter Dados > De Arquivo > Do PDF. Ele procura as tabelas sozinho e vale a pena testá-lo em tabelas com bordas claras.

Outros caminhos que vale a pena tentar

O jeito mais confiável de tirar uma tabela de um PDF é não tirá-la do PDF. Os números nasceram em uma planilha, em um sistema de contabilidade ou em um banco de dados, e quem fez o PDF normalmente consegue exportar os mesmos dados como planilha ou arquivo CSV. Muitos bancos, por exemplo, permitem baixar o extrato em CSV, além de em PDF.

Para uma tabela com grade completa de linhas, vale a pena tentar o PDF para Word. Quando uma tabela sai dele como uma tabela de verdade do Word, você pode copiá-la para o Excel, e as células continuam sendo células. Esse também é o caminho para uma tabela digitalizada, já que o PDF para Word aplica OCR nas páginas digitalizadas.

Confira o resultado antes de usá-lo

Os erros de extração são silenciosos. Um valor na coluna errada parece tão válido quanto um na coluna certa. Antes de confiar em dados extraídos:

Some uma coluna com SOMA e compare com o total impresso no PDF. Se baterem, os números quase certamente vieram corretos. Esta é, sozinha, a melhor verificação que existe.
Conte as linhas e compare com o PDF, e olhe com atenção a primeira e a última linha de cada página, onde as quebras de página causam problemas.
Procure números armazenados como texto. Por padrão, o Excel os alinha à esquerda da célula e os marca com um pequeno triângulo verde.
Confira algumas datas à mão, principalmente aquelas em que o dia é 12 ou menos.

Conclusão

Uma tabela em PDF é a imagem de uma tabela, feita de textos e linhas que só parecem ligados. Os conversores a reconstroem a partir das linhas da grade ou dos espaços em branco, e os dois métodos falham em layouts irregulares. Sabendo disso, você pode escolher o caminho certo: peça os dados de origem quando puder, extraia as linhas e divida-as no Excel quando não puder, e sempre confira os totais antes de os números irem para qualquer lugar importante.

Precisa do texto de um PDF em uma planilha? Experimente o PDF para Excel.

← Voltar ao blog