Por que uma tabela de um PDF sai errada no Excel
Por que minha tabela sai uma bagunça quando converto um PDF para Excel?
Salve suas ferramentas favoritas
Crie uma conta grátis no iBuildPDF para guardar suas ferramentas favoritas e encontrá-las rapidamente quando quiser.
Conta grátis. As ferramentas PDF em si nunca precisam de uma.
Resposta curta
Porque a tabela nunca esteve no arquivo. Um PDF registra cada pedaço de texto em uma posição da página, e as linhas da grade como instruções de desenho separadas, presas a nada. Nenhuma linha, coluna ou célula é guardada. Um conversor precisa descobrir onde ficavam as colunas pelo alinhamento dos valores, então um título mesclado, um valor que quebrou em duas linhas ou uma tabela sem linhas em volta podem, cada um, deslocar os limites e jogar os dados nas células erradas. Nada está corrompido quando isso acontece; a informação de que o conversor precisava nunca foi registrada.
Não há tabela no arquivo
Esta é a parte em que vale acreditar antes de qualquer outra coisa, porque todas as outras surpresas decorrem dela.
A mesma página, como quem lê a vê e como o arquivo a guarda
- O que você vê: linhas, colunas e células, com traços deixando a estrutura evidente.
- O que o arquivo registra: cada valor como um pedaço de texto próprio, na própria posição na página. Nada une os três valores de uma linha entre si.
- As linhas da grade são instruções de desenho, como qualquer outra marca na página. Não estão presas ao texto, e uma tabela desenhada sem elas é guardada do mesmo jeito.
Quando um processador de texto ou uma planilha exporta um PDF, ele desenha a tabela. Escreve INV-1001 em uma posição, 2026-01-04 em outra, 1,240.00 em uma terceira, e depois desenha algumas linhas. As linhas são instruções de desenho como quaisquer outras — o mesmo mecanismo que desenhou um logotipo ou um sublinhado. Nada no arquivo diz que esses três valores pertencem a uma linha, ou que o traço entre dois deles é um limite de coluna, e não um fio decorativo.
É fácil testar. Pegue uma página com duas tabelas, uma com linhas de grade e outra sem, e pergunte a qualquer extrator de texto o que há na página. As duas voltam iguais: uma lista de valores, um depois do outro, mais ou menos na ordem em que foram desenhados. A tabela com grade e a sem grade ficam impossíveis de distinguir no resultado, porque a grade nunca fez parte dos dados.
Um PDF pode ter estrutura de verdade — o PDF com tags registra quais marcas são uma tabela, uma linha e uma célula, principalmente para leitores de tela. Isso é opcional, a maioria das exportações não o gera, e a maioria das que geram o faz de forma imperfeita. O que torna um PDF acessível explica o que são tags e por que existem tão poucas na prática.
Então, quando um conversor entrega uma planilha, ele não leu uma tabela do documento. Ele olhou onde o texto caiu e montou uma hipótese.
O que o conversor está realmente adivinhando
Duas coisas, e a segunda é bem mais difícil que a primeira.
De onde vêm os limites de coluna, e o que os desloca
- Os limites são deduzidos, não lidos: uma faixa de espaço em branco que atravessa toda a altura da tabela é tomada como a borda de uma coluna.
- Um valor longo o bastante para atravessar essa faixa a fecha, e o limite que dependia dela se desloca ou desaparece.
- Um texto que quebrou dentro da célula fica em uma nova linha de base, então é lido como uma nova linha, com todas as outras células vazias.
As linhas costumam ser fáceis: texto mais ou menos na mesma linha de base é uma linha. Isso funciona na maior parte das vezes, e é por isso que uma tabela simples costuma ser bem convertida.
As colunas precisam ser deduzidas pelos espaços verticais — os corredores que descem pela página onde nunca aparece texto. Encontre uma faixa de espaço em branco livre do topo ao pé da tabela, e ali está um limite de coluna. É uma boa heurística. Estas são as coisas que a quebram:
- Um valor longo o bastante para fechar o corredor. Uma descrição longa ou um número grande com separadores pode atravessar a faixa que definia o limite, e todas as linhas abaixo podem ser lidas como tendo uma coluna a menos.
- Texto que quebrou dentro de uma célula. A segunda linha fica na própria linha de base, então é lida como uma linha nova — e as células ao lado ficam vazias, e é assim que uma tabela de 40 linhas chega com 60.
- Títulos mesclados ou que abrangem várias colunas. Um título centralizado sobre três colunas não se alinha com nenhuma delas e pode desalinhar a linha de cabeçalho de tudo o que vem embaixo.
- Números alinhados à direita ao lado de texto alinhado à esquerda. O corredor não é reto, então as bordas dele ficam imprecisas e o limite cai em um lugar diferente conforme as linhas que forem amostradas.
- Uma tabela que continua na página seguinte. Cada página é reconstruída com as próprias evidências, então um cabeçalho repetido vira uma linha de dados no meio, e os limites de coluna encontrados na página dois não precisam bater com os da página um.
Nada disso é defeito de um conversor específico. É um problema de reconstrução, e reconstruções às vezes erram.
O que o PDF para Excel deste site faz
O PDF para Excel é um extrator de tabelas. Isso não é um detalhe de como ele é feito, é o que a ferramenta é, e saber disso evita muita confusão:
- Ele procura estrutura de tabela e grava o que encontra em uma pasta de trabalho. Ele não tenta reproduzir a página.
- Texto corrido não é tabela, então texto corrido não sai. Uma página de parágrafos não gera nada, e essa é a resposta certa, e não uma falha.
- Ele roda no servidor de processamento deste site, e não no seu navegador — este é um dos trabalhos que um navegador realmente não consegue fazer. O arquivo é enviado, convertido e excluído depois do trabalho; o aviso na página da ferramenta diz o que acontece com ele.
Duas ferramentas relacionadas muitas vezes são a melhor escolha:
- O PDF para Word tenta reconstruir a página — layout, títulos e tabelas como tabelas do Word. Se o que você quer é o documento, e não os números, comece por ali. Converter um PDF para Word sem perder a formatação mostra o que sobrevive.
- O Extrair texto roda no seu navegador e entrega o texto bruto, sem reconstrução nenhuma. Para uma tabela pequena, colar isso em uma planilha e dividir você mesmo muitas vezes é mais rápido do que discutir com um conversor, e você vê exatamente com o que está trabalhando.
Quando ele diz que não havia nada para extrair
Essa mensagem significa que o conversor rodou, leu as páginas e não encontrou estrutura de tabela. É uma resposta real, e há três motivos habituais para ela.
A página é uma imagem. Uma digitalização, uma foto ou uma captura de tela colada em um documento não tem texto nenhum — só pixels que parecem texto. Não há nada para um extrator posicionar, então não há nada para encontrar. Rode antes o OCR para acrescentar uma camada de texto, depois converta. Meu PDF é digitalizado ou texto? mostra como saber em poucos segundos, e OCR ou PDF para Word? explica de qual você precisa.
O que você está vendo não é uma tabela. Uma lista com números alinhados, um formulário ou um layout de duas colunas podem parecer tabela para quem lê e não apresentar nenhuma estrutura de tabela para um extrator. O Extrair texto é a ferramenta certa para esses casos.
A tabela está diagramada de forma solta. Espaçamento largo e irregular, sem corredores consistentes, não dá à heurística nada em que se apoiar. Converter só aquela página às vezes funciona onde converter o documento inteiro não funcionou, porque as evidências deixam de ser misturadas com as de páginas que discordam.
Conseguindo um resultado melhor
- Volte à origem, se ela existir. Se o PDF veio de uma planilha, essa planilha ainda tem as linhas e colunas de verdade. Toda conversão é uma reconstrução; o original não é.
- Converta as páginas com a tabela, e não o documento inteiro. Use antes o Extrair páginas. Menos páginas significam menos evidências conflitantes, e você descobre rápido se o problema é uma única página complicada.
- Confira o resultado com o PDF antes de usá-lo. Compare o número de linhas e some uma coluna. Os erros silenciosos — uma coluna deslocada, uma linha que se fundiu com a de cima — são os que causam estrago, porque nada parece quebrado.
- Se o layout não tem jeito, extraia o texto. O Extrair texto mais o recurso de texto para colunas do próprio Excel dão a você o controle da divisão, e para uma tabela de até algumas dezenas de linhas costuma ser mais rápido.
- Páginas digitalizadas precisam de OCR, e o OCR de uma tabela é um palpite duplo — primeiro qual é cada caractere, depois onde ficavam as colunas. Confira os números um a um; um 6 lido como 8 não parece errado em lugar nenhum.
- Confira antes o número de páginas. O Número de páginas e informações do arquivo também informa se o documento tem camada de texto, o que responde à pergunta da digitalização antes de você converter qualquer coisa.
Ferramentas que este artigo aborda
Fontes
Documentação primária das afirmações acima.



