O PDF para Excel transforma em .xlsx aqueles PDFs de faturas, relatórios e listas em que "os dados estão alinhados linha a linha". Ele não procura linhas de tabela: lê as coordenadas de cada bloco de texto — o que está na mesma altura vira uma linha, e os vãos horizontais onde nenhum texto encosta viram divisórias de coluna — para depois cortar o texto de cada linha nas células. Cada página gera uma planilha, e células só com números viram valores numéricos.

É uma ferramenta Beta (em fase de testes), com o algoritmo de inferência ainda em ajuste. O que dá para mexer são as "divisórias de coluna": quando o resultado automático não serve, adicione ou remova divisórias à mão e aplique a todas as páginas. Digitalizações não têm coordenadas de texto para ler — a página avisa e oferece um atalho para o "OCR de PDF".

1. 01Envie o PDFa barra mostra "analisando a camada de texto"; se nenhuma página tiver texto, aparece "isto é uma digitalização (sem camada de texto)" com o botão "Enviar para o OCR de PDF".
2. 02Confira as divisórias"Ajuste das divisórias de coluna" lista as divisórias inferidas da página atual como etiquetas "x=valor" (unidade: pt); com várias páginas, "Página da prévia" troca a exibição.
3. 03Ajuste à mãoo × na etiqueta remove a divisória; digite no campo uma coordenada horizontal entre 0 e a largura da página e clique em "Adicionar". As mudanças manuais valem para todas as páginas, e "Voltar ao automático" retoma a inferência página a página.
4. 04Confira e exporte"Prévia dos dados" mostra as primeiras 30 linhas já cortadas; clique em "Exportar Excel (uma planilha por página)" para baixar <original-name>_tabela.xlsx, com abas "Página 1", "Página 2"… e páginas sem texto ficam de fora.

Fase de testes

ferramenta Beta, com regras de inferência de linhas e colunas sujeitas a mudanças; depois de exportar, confira valores e datas coluna por coluna contra o PDF original

Entrada

só PDF com camada de texto; uma digitalização é detectada como "sem camada de texto", então passe antes pelo "OCR de PDF"; PDF criptografado precisa do "Desbloquear PDF"

Limites da inferência

uma página com menos de 4 blocos de texto não é dividida em colunas; o vão entre duas colunas precisa passar de cerca de 1,15 vez a largura média de caractere para virar divisória; um desvio vertical de mais de meia altura de caractere na mesma linha faz a linha se partir em duas

Tabelas complexas

células mescladas, cabeçalhos de vários níveis, quebras de linha dentro da célula e continuações entre páginas são reconstituídas de forma limitada; textos fora da tabela, como cabeçalho de página e observações, também entram como linhas

O que ele não faz

não refaz bordas, fontes, cores nem largura de coluna; não une várias páginas em uma tabela contínua; não reconhece digitalizações; se você quer só o texto sem estrutura de tabela, o "Extrair texto" é mais simples

O PDF tem as coordenadas analisadas e o xlsx gerado no navegador; o conteúdo do arquivo não é enviado a nenhum servidor e sai da memória quando você fecha a página.