Como sair de um PDF com uma planilha utilizável
Um PDF não sabe que tem uma tabela dentro dele. Ele guarda pedaços de texto, cada um com uma posição na página — e o que o seu olho lê como linha e coluna é, na verdade, alinhamento. Converter PDF em Excel significa reconstruir essa estrutura pela geometria: juntar o texto que está na mesma altura e depois achar as fronteiras verticais onde uma coluna acaba e a outra começa. Esta página faz isso localmente, mostra o resultado e só então monta o arquivo.
Por que a detecção de colunas é a parte difícil
Coluna se revela por repetição. Uma coluna alinhada à esquerda começa todos os valores na mesma posição; uma coluna de valores costuma ser alinhada à direita, então os fins coincidem e os começos se espalham. Olhar só uma das bordas erra perto da metade dos documentos reais. A detecção aqui lê as duas, mantém as fronteiras que se repetem em muitas linhas e descarta coincidência — um título que por acaso alinha com algo abaixo não é coluna.
Cabeçalho, rodapé e célula que quebra
Documento real não é só grade. Tem nome da empresa no topo, aviso legal no rodapé e descrição comprida o bastante para quebrar em duas linhas. Tratado de forma ingлênua, cada uma dessas vira uma linha própria e a planilha chega cheia de entulho. Por isso, linha com um único valor é tratada como continuação: ou faz parte da célula de cima, ou é moldura de página e sai. É também por isso que a prévia importa — dá para ver o que sobreviveu antes de confirmar.
O que isto não faz
Se o PDF veio de um scanner, cada página é uma fotografia. Não há texto com posição e não há o que reconstruir, então nada sai. Fazer isso funcionar exige OCR, o que significa baixar um modelo de reconhecimento de dezenas de megabytes e aceitar outra classe de erro. Não está incluído aqui, e a ferramenta avisa com todas as letras quando não encontra texto, em vez de entregar um arquivo vazio.
Por que roda no navegador
Os documentos com tabela que valem a pena extrair são justamente os sensíveis: extrato bancário, nota fiscal, folha de pagamento, tabela de preço. Subir isso para um conversor desconhecido é entregar uma cópia a um servidor sobre o qual você não sabe nada. Aqui o PDF é lido pelo PDF.js — o mesmo motor de código aberto que o Firefox usa — rodando nesta página, e a planilha é montada na memória. A única requisição de rede é a das próprias bibliotecas.
Como conseguir um resultado mais limpo
Alguns hábitos separam a planilha que dá para usar da que precisa ser refeita. Se o documento tem várias tabelas de formatos diferentes, extraia e fique só com as páginas que interessam — layout misturado confunde qualquer detecção de coluna, inclusive as pagas. Se a tabela continua nas páginas seguintes, escolha aba única para as linhas ficarem num bloco só em vez de recomeçar a cada aba. Se o PDF nasceu de uma planilha, peça o original a quem enviou: nenhuma extração é tão fiel quanto o arquivo que gerou o documento. E leia sempre a prévia antes de baixar — ela existe para uma leitura ruim custar dez segundos, e não uma tarde conferindo número.
Quer se aprofundar? Leia o guia: Como transformar um extrato bancário em PDF numa planilha do Excel