Como converter PDF para CSV :
4 métodos que realmente funcionam

Tabelas vs texto simples: Por que importa

Antes de escolher um método, verifique que tipo de dados seu PDF contém. A abordagem depende totalmente da estrutura do PDF:

Método 1: Converter online com CleverUtils

A opção mais rápida para a maioria dos usuários. CleverUtils lida com PDFs nativos, tabelas sem bordas e até documentos digitalizados com OCR. Sem instalação, sem conta necessária.

1. Vá para cleverutils.com/pt/pdf-to-csv
2. Carregue seu PDF — arraste e solte, ou clique em « Escolher arquivo PDF ». Máx. 100 MB.
3. Para PDFs digitalizados: selecione seu idioma OCR na lista suspensa antes de converter.
4. Clique em « Converter para CSV » — a conversão leva alguns segundos para a maioria dos arquivos.
5. Baixe o CSV — abra-o no Excel, Google Sheets ou importe em seu banco de dados.

CleverUtils processa todas as páginas do seu PDF e combina os dados extraídos em um único arquivo CSV. Os arquivos são criptografados durante a transferência e excluídos automaticamente em 2 horas.

Método 2: Python com pdfplumber

pdfplumber é a melhor biblioteca Python para extrair tabelas de PDFs. Ela entende tabelas com e sem bordas, fornece coordenadas para cada caractere e permite ajustar parâmetros de extração.

Instalar pdfplumber

pip install pdfplumber

Extração básica de tabelas

Este script extrai todas as tabelas de cada página de um PDF e as escreve em um arquivo CSV:

import pdfplumber
import csv

with pdfplumber.open("invoice.pdf") as pdf:
    all_rows = []
    for page in pdf.pages:
        table = page.extract_table()
        if table:
            all_rows.extend(table)

with open("output.csv", "w", newline="") as f:
    writer = csv.writer(f)
    writer.writerows(all_rows)

print(f"Extracted {len(all_rows)} rows to output.csv")

Lidando com tabelas sem bordas

Quando as tabelas não têm bordas visíveis, pdfplumber ainda pode detectar colunas usando posições de caracteres. Use extract_table() com configurações personalizadas:

# Para PDFs sem bordas de tabela visíveis
table_settings = {
    "vertical_strategy": "text",
    "horizontal_strategy": "text",
    "snap_y_tolerance": 5,
    "intersection_x_tolerance": 15,
}

with pdfplumber.open("report.pdf") as pdf:
    page = pdf.pages[0]
    table = page.extract_table(table_settings)
    for row in table:
        print(row)

Converter múltiplos PDFs em lote

import pdfplumber
import csv
from pathlib import Path

for pdf_file in Path("./invoices").glob("*.pdf"):
    csv_path = pdf_file.with_suffix(".csv")
    with pdfplumber.open(pdf_file) as pdf:
        rows = []
        for page in pdf.pages:
            table = page.extract_table()
            if table:
                rows.extend(table)
        with open(csv_path, "w", newline="") as f:
            csv.writer(f).writerows(rows)
    print(f"{pdf_file.name} -> {csv_path.name} ({len(rows)} rows)")

Método 3: Microsoft Excel (Obter dados)

Microsoft 365 (Excel para 365) pode importar arquivos PDF diretamente usando o recurso Power Query / Obter dados. Esta opção não está disponível no Excel 2016 ou 2019 independente — requer uma assinatura ativa do Microsoft 365. Funciona bem para tabelas simples e bem estruturadas.

1. Abra Excel e crie uma nova pasta de trabalho em branco.
2. Vá para Dados → Obter dados → De arquivo → De PDF.
3. Selecione seu PDF do navegador de arquivos.
4. Escolha a(s) tabela(s) que deseja importar do painel Navegador. Excel mostrará uma visualização de cada tabela detectada.
5. Clique em « Carregar » para importar os dados na sua planilha.
6. Salvar como CSV: Arquivo → Salvar como → escolha « CSV (separado por vírgula) (*.csv) » como formato.

Método 4: Google Sheets

Google Sheets não importa PDFs diretamente, mas você pode usar o OCR integrado do Google Drive para extrair o texto primeiro e depois copiá-lo para o Sheets.

1. Carregue o PDF no Google Drive.
2. Clique com botão direito no PDF → Abrir com → Google Docs. Google usará OCR no arquivo e o converterá em um documento editável.
3. Selecione os dados da tabela no Google Doc e copie (Ctrl+C / Cmd+C).
4. Abra uma nova Google Sheet e cole (Ctrl+V / Cmd+V). Os dados preencherão as células.
5. Limpe os dados — ajuste larguras de coluna, remova linhas extras, corrija erros de OCR.
6. Baixar como CSV: Arquivo → Baixar → Valores separados por vírgula (.csv).

Comparação de métodos

Dicas para saída CSV limpa

• Verifique a linha de cabeçalho. Alguns PDFs têm cabeçalhos multilinhas que são divididos em linhas CSV separadas. Após a conversão, verifique se os cabeçalhos das colunas estão em uma única linha.
• Cuidado com células mescladas. Tabelas PDF frequentemente mesclam células para títulos de grupo. Estes geralmente se tornam células vazias em CSV. Preencha-os manualmente ou com um script após a extração.
• Lidar com caracteres especiais. Vírgulas, aspas e quebras de linha dentro de valores de célula podem quebrar a análise de CSV. Bons conversores (CleverUtils, pdfplumber) lidam automaticamente com escape. Se o seu não fizer, coloque valores entre aspas duplas.
• Codificação é importante. Use codificação UTF-8 ao salvar CSV para preservar caracteres acentuados, símbolos de moeda e texto não-latino. Em Python: open("out.csv", "w", encoding="utf-8-sig") (o -sig adiciona uma BOM que ajuda Excel a detectar UTF-8).
• Tabelas multipágina. Quando uma tabela abrange várias páginas de PDF, algumas ferramentas extraem cada página como uma tabela separada. Em Python, pule a linha de cabeçalho nas páginas subsequentes para evitar duplicatas.

Problemas comuns e soluções