Converter PDF para CSV

Extraia as tabelas de um PDF para arquivos CSV com o delimitador e a codificação de que você precisa, para que o arquivo abra corretamente onde for importado. Processado no nosso servidor; os arquivos são excluídos automaticamente em cerca de duas horas.

Solte seus arquivos aqui

.pdf · até 300 MB · até 30 tarefas por hora · o arquivo vai para o nosso servidor e é excluído após o processamento; o resultado é apagado em cerca de duas horas

Escolher arquivos

AutomáticaLattice (tabelas com linhas)Stream (tabelas sem bordas)

Mais configurações

DelimitadorCodificaçãoFim de linhaPáginasA primeira linha é o cabeçalhoJuntar tabelas com as mesmas colunasPrecisão mínima80%

Como Extrair para CSV

1
Envie seu PDF
Um relatório, fatura, extrato ou qualquer documento com tabelas, de até 300 MB e 200 páginas.
2
Escolha o delimitador e a codificação
Use o que o programa de destino espera, seja a importação para um banco de dados, um script ou o Google Sheets.
3
Baixe os arquivos CSV
Por padrão, sai um arquivo por tabela, e todos vêm reunidos em um só pacote quando há mais de um.

Por que a codificação importa mais do que parece

Um arquivo CSV é texto simples, e texto só faz sentido com uma codificação. Com a codificação errada, letras acentuadas e caracteres cirílicos viram símbolos ilegíveis assim que o arquivo é aberto. O padrão aqui é UTF-8 com BOM, porque o Excel lê um UTF-8 sem essa marca como Windows-1252 e estraga tudo o que foge das letras latinas básicas. O BOM avisa ao Excel, sem margem para dúvida, que o conteúdo a seguir está em UTF-8. Também estão disponíveis o UTF-8 sem BOM e o Windows-1251, para os programas que esperam uma dessas opções.

Lattice ou Stream, a mesma detecção do PDF para Excel

Esta ferramenta usa o mesmo mecanismo de detecção de tabelas do PDF para Excel. O Lattice lê tabelas com linhas de grade visíveis, o Stream deduz as colunas pelo alinhamento do texto quando não há linhas, e o Auto tenta primeiro o Lattice e só depois recorre ao Stream. Cada tabela encontrada vem com uma pontuação de precisão medida, e as tabelas abaixo do limite que você definir ficam fora do resultado, em vez de serem exportadas como linhas defeituosas.

Um arquivo por tabela, em ZIP quando há mais de uma

Um PDF com uma única tabela gera um único arquivo CSV simples. Várias tabelas voltam como arquivos separados dentro de um ZIP, com nomes pelo número da página e da tabela, assim nada é juntado em silêncio sem que você peça. Ao ativar a opção de juntar tabelas, as que têm o mesmo número de colunas são combinadas em um só arquivo com uma única linha de cabeçalho, o que serve bem para um relatório em que a mesma tabela se repete em várias páginas.

Processado no nosso servidor e excluído automaticamente

A detecção de tabelas precisa de um mecanismo de análise de layout de verdade, que nenhuma biblioteca de navegador oferece, por isso o arquivo é enviado para processamento. O arquivo enviado é excluído assim que a tarefa termina. O resultado fica disponível para download por uma hora e é apagado do servidor em cerca de duas horas, tenha sido baixado ou não. Não é preciso ter conta, e não há nada para apagar à mão.

Perguntas frequentes

Por que o UTF-8 com BOM importa e por que ele é o padrão?

O Excel interpreta um arquivo UTF-8 sem BOM como Windows-1252 e transforma letras acentuadas e caracteres cirílicos em símbolos embaralhados. O BOM são alguns bytes invisíveis no início do arquivo que dizem ao Excel, sem ambiguidade, que o texto está em UTF-8, e assim o arquivo abre corretamente.

Qual a diferença entre Lattice e Stream?

O Lattice detecta tabelas desenhadas com linhas de grade visíveis. O Stream deduz as colunas pelo alinhamento e pelo espaçamento do texto, para tabelas sem nenhuma linha. O Auto tenta primeiro o Lattice e passa para o Stream se for preciso.

O que significa a pontuação de precisão?

É uma medida de confiança de quão bem a estrutura de cada tabela foi detectada. As tabelas abaixo do limite de precisão que você definir ficam fora do resultado, em vez de serem exportadas como linhas defeituosas.

Por que recebo um arquivo ZIP em vez de um só CSV?

Quando o PDF tem mais de uma tabela, cada uma vira um arquivo CSV próprio, e todos vêm juntos em um ZIP. Assim nada é juntado, a não ser que você ative de propósito a opção de juntar tabelas.

Como juntar várias tabelas em um só arquivo?

Ative a opção de juntar tabelas. As tabelas com o mesmo número de colunas são combinadas em um único arquivo, com uma linha de cabeçalho.

E se o meu PDF for digitalizado?

Um PDF digitalizado não tem camada de texto para ler. Passe o arquivo antes pelo OCR PDF e depois extraia as tabelas.

Por quanto tempo meu arquivo fica no servidor?

O PDF enviado é excluído assim que a tarefa termina. O CSV fica disponível para download por uma hora e é apagado do servidor em cerca de duas horas, tenha sido baixado ou não.