PDF para CSV com IA: do PDF de texto à planilha conferida

A ferramenta PDF para CSV funciona com PDF de texto: arquivos em que você consegue selecionar a tabela com o cursor e copiar. Um modelo lê essa camada de texto e devolve as linhas em CSV, um bloco por tabela, cada um com o número da página.

Ela falha em três tipos de arquivo. Documento escaneado não tem camada de texto. Foto de página também não. E alguns PDFs desenham a tabela como imagem mesmo com o resto da página em texto, então os números parecem texto, mas não são. A ferramenta não tem OCR. Nesses casos você vê "Nenhum texto encontrado" ou uma tabela que simplesmente não aparece na resposta.

Teste rápido: arraste o mouse sobre uma linha da tabela. Se as células ficam destacadas uma a uma, está tudo certo. Se um retângulo único acende, é uma imagem. Aí peça a quem emitiu o documento uma exportação em planilha ou CSV, porque a exportação da origem vale mais do que qualquer extração de PDF.

Mais duas coisas antes de começar. O limite é de cerca de 5,7 MB por PDF. E o arquivo vai para o provedor do modelo que você escolheu, então pense se esse documento deve mesmo sair do seu aparelho. PDF protegido por senha precisa ser salvo de novo sem a senha antes.

Digamos que você tem um extrato bancário de 6 páginas, com dados inventados: um cabeçalho com o titular da conta e depois uns 90 lançamentos com data, descrição, valor e saldo. É um exemplo, não um arquivo real.

• Abra a ferramenta e adicione o PDF. O app pode pedir que você entre na conta antes.
• Escreva qual tabela você quer e quais colunas (a próxima seção tem sugestões de texto).
• Escolha CSV e veja a linha de custo. O modelo padrão, Claude Haiku 4.5, custa 5 Gems por mensagem.
• Rode. A resposta chega aos poucos, um bloco por tabela, cada um com a sua página.
• Clique em "Download .csv" e faça as checagens mais abaixo antes de usar o arquivo.

No extrato, espere um bloco por página ou por pedaço de tabela, porque uma tabela que atravessa a quebra de página costuma chegar em partes. Você junta tudo na planilha ou pede uma tabela única em uma nova mensagem. Cada pergunta de acompanhamento reenvia o arquivo inteiro e custa mais 5 Gems.

Nomear as colunas é o que mais pesa no resultado. Sem isso, o modelo adivinha qual tabela importa e como chamar cada coisa. Com isso, você recebe uma linha de cabeçalho que dá para usar de verdade.

Dê os nomes exatos das colunas, na ordem que quiser. Diga o que ignorar, como um quadro de resumo ou o rodapé da página. Diga como escrever datas e números. E mande deixar a célula vazia em vez de chutar, porque um campo em branco é fácil de achar e um número errado, mas plausível, não é.

No exemplo do extrato, isso quer dizer: Data, Descrição, Valor, Saldo; ignorar o resumo da página 1; datas como AAAA-MM-DD; valores como número simples, com sinal de menos para o que saiu da conta. Se a sua planilha usa ponto e vírgula como separador, peça também isso no texto, e escolha a vírgula decimal combinando com a configuração do seu Excel ou Planilhas.

Escolha CSV quando os dados vão para uma planilha ou um script. Escolha Markdown quando você quer ler a tabela no chat ou colar numa anotação. O Markdown é mais agradável de ler. O CSV é o formato que os outros programas abrem. Na dúvida, fique com CSV, que também dá para ler bem na prévia.

O botão "Download .csv" salva o CSV da resposta como arquivo no seu aparelho. Ele salva o texto do modelo do jeito que está. Não conserta nada, então uma linha curta ou uma data errada vão para o arquivo também. Abra as primeiras linhas antes de fazer qualquer outra coisa com ele.

Uma resposta tem teto de cerca de 1.500 palavras (2.048 tokens; no plano gratuito, os modelos inteligentes ficam em 1.024). Uma tabela com algumas centenas de linhas bate nesse teto, e o bloco simplesmente para, às vezes no meio de uma linha. Além disso, um PDF conta como cerca de 6.000 tokens de entrada, então arquivos muito longos são cortados ou recusados.

A solução é ir por intervalo de páginas: páginas 1-2, depois 3-4, depois 5-6. A ferramenta recorta o intervalo no seu aparelho antes, então só essas páginas saem dele. Peça as mesmas colunas todas as vezes e diga "sem linha de cabeçalho" depois do primeiro lote, para poder colar os pedaços. Cada intervalo é uma mensagem, então três intervalos do extrato custam 15 Gems no modelo padrão. A mesma lógica vale para texto, e o guia como resumir um PDF longo explica os intervalos com mais detalhe.

Um modelo pode pular uma linha ou errar um dígito e ainda assim entregar um arquivo arrumadinho. Gaste dois minutos nisto.

• Contagem de linhas. Conte as linhas na página, ou use a contagem do próprio extrato, se ele trouxer uma. Compare com as linhas do CSV. Uma diferença costuma estar na quebra de página.
• Totais das colunas. Some uma coluna numérica e compare com o total impresso no documento. No extrato de exemplo, entradas menos saídas deve bater com a variação do saldo.
• Primeira e última linha. Abra a página e leia a primeira e a última linha comparando com o CSV, célula por célula. Faça isso em cada intervalo de páginas também.
• Datas e separador decimal. Procure 03/04 contra 04/03 e 1.250,00 contra 1,250.00. Uma vírgula decimal pode quebrar um número em duas colunas.
• Células mescladas. Um rótulo que ocupa várias linhas na página costuma cair só na primeira linha ou se repetir em todas. Confira essas linhas à mão.

Se uma checagem falhar, diga o que está errado no chat e peça de novo as páginas afetadas. Não precisa rodar tudo outra vez.

No Brasil, o separador de lista do Excel e do Planilhas Google costuma ser o ponto e vírgula, não a vírgula, porque a vírgula é o separador decimal. Ao dar dois cliques num arquivo com vírgulas, cada linha inteira cai na coluna A.

O arquivo está bom. Abra primeiro a planilha e use a importação de texto (em alguns programas fica em Dados, A partir de Texto/CSV; em outros, Arquivo, Importar) e escolha a vírgula como delimitador. Se você pediu ponto e vírgula no texto da pergunta, escolha ponto e vírgula. Defina a coluna de datas no formato que você pediu e mantenha a coluna de valores como número. Se os números ainda parecem texto, volte à quarta checagem e veja o separador decimal.

Quando as colunas estiverem certas, salve uma cópia no formato da própria planilha e guarde o .csv baixado como versão bruta. Para perguntas sobre um PDF em vez de uma tabela, o próximo guia é como conversar com um PDF.