Como extrair uma tabela de um PDF e colocá-la no Excel

Você tem um PDF com uma tabela de dados - um relatório financeiro, uma lista de preços, um resultado de pesquisa, uma seção de itens de fatura. Você precisa trabalhar com esses dados no Excel. Você tenta selecionar as células, copiá-las e colar em uma planilha. O que você obtém é uma coluna de texto embaralhado, células mescladas em todos os lugares errados, ou nada. Isto não é um bug. É assim que os PDFs funcionam.

Por que tabelas em PDF são difíceis de extrair

Um PDF não armazena tabelas como tabelas. Ele armazena texto como uma série de glifos posicionados - caracteres colocados em coordenadas X/Y específicas na página. Uma tabela em um PDF é apenas linhas de texto que por acaso estão visualmente alinhadas e separadas por linhas desenhadas. Não há estrutura de dados representando "isto é uma célula", "isto pertence à coluna 3" ou "esta linha termina aqui".

Quando você copia e cola de um PDF, o leitor tenta adivinhar a estrutura a partir da posição visual. Ele frequentemente erra os limites das colunas, mescla células e quebra números entre linhas. Quanto mais larga a tabela, mais confuso o resultado.

Opção 1: Copiar e colar diretamente (vale tentar primeiro)

Para um PDF nativo - um criado por software, não por um scanner - tente isto primeiro:

1. Abra o PDF noAdobe ReaderouChrome.
2. Clique e arraste para selecionar a área da tabela.
3. Copie (Ctrl+C).
4. Cole numa célula do Excel usandoColar especial -> Textoou cole primeiro num editor de texto para ver o que realmente obteve.
5. UseTexto para Colunas(guia Dados no Excel) para dividir o conteúdo colado por tabulação, espaço ou um delimitador consistente.

Isto funciona razoavelmente bem para tabelas simples de duas ou três colunas com formatação limpa. Falha em tabelas complexas com células mescladas, notas de rodapé ou conteúdo de células em várias linhas.

Opção 2: Um conversor dedicado de PDF para Excel

Uma ferramenta de conversão analisa a estrutura visual do PDF - limites das células, alinhamento das colunas, propriedades das fontes - e tenta reconstruí-la como dados de planilha. O resultado é um ficheiro XLSX que pode abrir diretamente no Excel.

Pagivo está a construir umPDF para Excelconversor para isso. Quando for lançado, o fluxo de trabalho será: carregar o PDF, baixar o XLSX, revisar o resultado para verificar limites detectados incorretamente. Para um PDF nativo com formatação de tabela limpa, o conversor fará a maior parte do trabalho.

O que esperar: a conversão é precisa em tabelas simples e menos precisa em layouts complexos (linhas de cabeçalho mescladas, texto em diagonal, tabelas com imagens dentro das células, bordas com estilos elaborados). Sempre verifique os totais numéricos na saída em relação ao PDF de origem - erros de arredondamento ou de alinhamento de colunas em tabelas complexas realmente acontecem.

Opção 3: importação do Google Sheets (rápida para tabelas pequenas)

1. AbraGoogle Sheetse crie uma nova planilha.
2. Vá paraFile -> Importe envie o PDF.
3. O Google tentará analisar as tabelas do PDF e importá-las como dados da planilha.

Os resultados são variáveis e semelhantes ao copiar e colar, mas a etapa de importação às vezes detecta melhor a estrutura de tabelas do que a seleção manual. Vale a pena tentar para tabelas simples quando você não tem um conversor dedicado disponível.

Opção 4: PDFs digitalizados (problema diferente, solução diferente)

Se o PDF for uma digitalização - uma fotografia de uma página - não há dados de texto para extrair. Copiar e colar seleciona a página inteira como uma única imagem. Um conversor padrão de PDF para Excel não produzirá nada útil.

Para tabelas digitalizadas, você precisa de um OCR que compreenda especificamente a estrutura de tabelas. Opções:

• Google Docs- envie o PDF para o Drive, abra com o Docs. O OCR do Google extrairá o texto, embora a estrutura de tabelas frequentemente não seja preservada.
• Adobe Acrobat Pro- possui OCR com reconhecimento de tabelas integrado. Qualidade superior para tabelas complexas, mas exige uma assinatura paga.
• Ferramentas de OCR especializadas- ABBYY FineReader e similares são projetados especificamente para reconhecimento da estrutura de documentos, incluindo tabelas. Exagero para uso ocasional, mas a opção mais precisa para tabelas digitalizadas complexas.

Após a extração: limpeza dos dados no Excel

Independentemente do método, planeje gastar alguns minutos limpando o resultado:

• Remova linhas em branco e cabeçalhos duplicados que aparecem quando tabelas de várias páginas repetem os títulos das colunas em cada página.
• Corrija os formatos de números - vírgulas e pontos podem estar invertidos se o PDF usou um formato de número de outra localidade.
• Verifique se os totais correspondem - confirme manualmente um ou dois valores calculados a partir do PDF de origem.