Extrair tabelas de um PDF
Carregue um PDF com uma tabela (o extrato bancário, a lista de preços, a grade de horários) e receba-a de volta nas colunas certas, pronta para colar no Excel ou baixar em CSV. Chega de copiar e colar que joga tudo em uma coluna só. O arquivo nunca sai do seu navegador.
Por que copiar e colar de um PDF perde as colunas
Dentro de um PDF não existem «tabelas»: existem muitos pedacinhos de texto, cada um com a sua posição na página. Quando você copia e cola, o computador os coloca em fila e as colunas desaparecem. Aqui, em vez disso, são lidas as coordenadas de cada pedaço de texto: os que estão na mesma altura formam uma linha, os que estão em coluna formam uma coluna, e a tabela é reconstruída como você a vê na folha.
Copiar para o Excel ou baixar em CSV
O botão Copiar para o Excel coloca a tabela na área de transferência no formato que o Excel e o Planilhas Google entendem na hora: você cola e as colunas se separam sozinhas. O CSV é um arquivo, com o separador correto para o seu idioma. As primeiras 60 linhas aparecem na prévia; no arquivo estão todas.
Se as colunas não baterem, você mesmo corrige
O reconhecimento automático funciona bem em tabelas com as colunas bem separadas, mas um documento pode ter duas colunas tão próximas que parecem uma só, ou uma descrição longa que transborda. Por isso existe o campo Colunas: se o número reconhecido estiver errado, você o muda e a tabela é refeita dividida nesse número de colunas iguais. Não é mágica que sempre acerta: é uma ferramenta que deixa você corrigir quando preciso, em vez de entregar um resultado errado sem avisar.
Como se verifica que está certo
Extrair uma tabela é uma heurística, e uma heurística precisa ser testada contra um juiz independente: aqui a tabela extraída de um PDF é comparada, célula por célula, com a do pdfplumber, uma biblioteca que faz exatamente isso. E em um extrato bancário fictício a soma da coluna de valores tem que fechar até o centavo: é a primeira coisa que qualquer pessoa com o extrato verdadeiro conferiria.
O que ela não faz
Ela não lê escaneamentos: se o PDF é a foto de uma folha, dentro dele não há texto, só uma imagem, e não há nada a organizar em colunas (a ferramenta avisa e indica a Imagem para texto). Ela não reconstrói tabelas com células mescladas complicadas, e em colunas muito próximas pode falhar: para isso existe a correção manual. Se você só precisa do texto sem colunas, há a Extrair texto de um PDF, e para abrir um CSV no Excel sem estragar os números, a CSV para Excel.