O código desta página não rodou.

Abrir o index.html direto de uma pasta bloqueia os módulos de JavaScript, então não vai acontecer nada quando você escolher um PDF. Sirva a pasta por http: 

powershell -ExecutionPolicy Bypass -File serve.ps1

Depois abra http://localhost:8080/.

PDF para CSV — todas as tabelas, inclusive extratos bancários

Encontra as tabelas de um PDF e as transforma em linhas que uma planilha consegue abrir.

Português
Ver o código-fonte
Nada sai daqui, nem documentos. Não existe servidor.

O PDF é aberto e lido na memória deste computador por código servido deste endereço. O CSV é gerado da mesma forma. Nada aqui faz envio, e não há servidor do outro lado para recebê-lo. O conteúdo das tabelas, seja número de conta, saldo, beneficiários ou preços de um cliente, fica nesta aba.

Verificação ao vivo: verificando…

Offline: verificando…

Confira você mesmo: abra as ferramentas de desenvolvedor, acompanhe a aba Rede e converta um PDF. Nenhuma requisição leva uma página, linha, número ou nome de arquivo. Ou desligue a internet e faça a conversão mesmo assim.

1 Escolha um PDF

2 Confira o que foi lido

Um PDF parece conter tabelas, mas armazena texto posicionado na página; as colunas são espaços sem impressão. Por isso, a estrutura de cada tabela abaixo foi deduzida. Quando há saldo acumulado, a página informa quais comparações conferem e quais linhas ficaram sem verificação. Saldos coincidentes conferem variações líquidas; erros que se anulam ainda podem passar.

3 Baixe o CSV

Ver como Markdown

Como transformar as tabelas de um PDF em CSV
  1. Escolha o PDF.Um por vez. O navegador lê todas as páginas diretamente do disco antes de decidir a interpretação dos dados. Escrever 1.240,00 ou 1,240.00 e a ordem dos componentes das datas são características do documento inteiro, não de uma página isolada.
  2. Confira as tabelas encontradas.Cada tabela mantém suas colunas e os cabeçalhos impressos, quando existem. Uma tabela que continua em outra seção ou página com os mesmos cabeçalhos é reunida, sem repetir o cabeçalho no meio. Uma célula que ocupa duas linhas volta a ser uma só. Totais, subtotais e rótulos são preservados como as linhas em que aparecem.
  3. Escolha uma tabela ou leve todas.Quando há várias, o seletor acima delas define o conteúdo do CSV: todas em sequência ou apenas a desejada. Se houver saldo acumulado, a página mostra as comparações que conferem e as linhas que não puderam ser verificadas. Datas com ano saem como AAAA-MM-DD; valores, como números com sinal. Uma data sem ano fica como foi impressa, pois acrescentar um ano seria adivinhar.
  4. Baixe o CSV.O arquivo segue a RFC 4180, com aspas corretas e quebras de linha CRLF. Usa UTF-8 com marca de ordem de bytes para o Excel preservar símbolos de moedas. Ao reunir várias tabelas, cada uma mantém seu cabeçalho e uma linha em branco as separa. Nada foi enviado para produzi-lo.

A versão longa

É seguro enviar um extrato bancário? Um extrato reúne destinatários, valores, saldo e conta. Veja o que um conversor recebe, o que serviços cuidadosos fazem com os dados e se o envio é necessário.

Perguntas

Como a ferramenta encontra tabelas se o PDF não as identifica como tabelas?

Pela posição do texto. Primeiro, separa colunas de letras pequenas que ficam ao lado do conteúdo principal. Elas diferem das colunas da tabela porque as células compartilham exatamente a mesma linha de base; o texto lateral só se alinha por acaso. Depois, percorre cada região de cima para baixo, dividindo-a em blocos nos títulos e espaços. As colunas são os pontos em que várias linhas concordam sobre o início ou o fim das células. Blocos com as mesmas colunas são reunidos. Não depende de modelos de banco ou formulário.

Só funciona com extratos bancários?

Não. Começou como conversor de extratos, mas foi refeito para encontrar todas as tabelas. O primeiro extrato real tinha duas transações e cinco outras tabelas; procurar apenas transações não encontrava nada. Faturas, listas de preços, horários, resultados e relatórios também contêm tabelas. O extrato acrescenta o saldo acumulado, usado para comparar as variações líquidas entre saldos legíveis.

O que acontece com uma descrição longa demais para a coluna?

Ela é reunida à sua linha, evitando um erro que torna muitos CSVs extraídos de PDF inutilizáveis. Um trecho com uma única célula de texto perto de uma linha é interpretado como continuação dessa célula. Ele é unido à linha de baixo, em vez da de cima, quando está mais perto dela, como ocorre com um rótulo longo acima do valor. Um trecho com várias células ou com um número é tratado como uma linha própria.

O que a conferência do saldo comprova?

Compara a soma dos valores entre dois saldos legíveis com a variação do saldo e informa quantas comparações conferem. A mesma conta identifica possíveis colunas de valores e saldos sem depender dos títulos. A página lista linhas que ficaram sem verificação: valores antes do primeiro saldo, depois do último e intervalos com valores ausentes ou ilegíveis. Uma célula vazia de débito ou crédito não utilizado conta como zero; um valor ilegível, não. Saldos coincidentes não descartam erros que se anulam nem verificam descrições e datas. Confira o CSV com o PDF antes de confiar nele.

As datas ficaram invertidas: 03/04 deveria ser 4 de março, não 3 de abril.

Mude o seletor acima das tabelas; tudo é recalculado na hora. A interpretação vem do documento, não da sua localização. Se alguma data tiver dia maior que doze, ela define a ordem para o documento inteiro, e a página informa isso. Se todas tiverem dia até doze, não há como distingui-las só pelo arquivo: a ferramenta avisa e começa com dia primeiro, até você mudar. Datas impressas sem ano, comuns em extratos de cartão, permanecem como estão.

Funciona com PDF digitalizado?

Não. A página explica isso em vez de entregar um arquivo vazio. Uma digitalização é uma imagem, sem texto para alinhar. As alternativas aparecem na página. Para extratos, quase todo banco on-line oferece CSV, OFX ou QIF diretamente: dispensa conversão e é mais preciso que interpretar uma imagem.

Ele abre um PDF protegido por senha?

Não, de propósito. Bancos costumam proteger extratos com data de nascimento ou últimos dígitos da conta. Remover essa proteção é outra tarefa. O desbloqueador de PDF deste site remove a senha no navegador sem alterar as páginas, preservando a posição do texto. Também é possível imprimir novamente em PDF no Chrome ou Edge, ou exportar pelo Pré-Visualização no Mac. Não use outro site de desbloqueio: isso enviaria justamente o documento que esta página procura manter fora da internet.

Meu PDF é enviado para algum lugar?

Não. O navegador lê o arquivo e gera o CSV no seu próprio computador. Não há processamento em servidor. A Content-Security-Policy lista os endereços que a página pode contatar; nenhum pertence a este site. Desligue a internet e converta um PDF para conferir.

Por que há um caractere estranho no início do CSV?

É a marca de ordem de bytes, incluída de propósito. Sem ela, o Excel no Windows pode usar a codificação antiga do sistema e trocar símbolos como libra e euro por letras. A marca informa que o arquivo é UTF-8. Os leitores mais comuns a ignoram; um analisador estrito pode devolvê-la como caractere invisível antes do primeiro cabeçalho. Esse é o custo da compatibilidade.

Há limite de tamanho, e custa alguma coisa?

A ferramenta não impõe limite. O limite é a memória do seu computador: o documento fica nela durante a leitura, e um notebook costuma lidar com centenas de páginas. É grátis, sem conta, cadastro ou período de teste. A publicidade sustenta o site, mas não recebe dados dos seus documentos.

Funciona offline?

Sim. Abra a página uma vez e depois desligue a internet: ela continua funcionando. Uma ferramenta que enviasse o documento para conversão pararia assim que a conexão fosse desligada.