PDF para XML ou PDF para Excel: texto estruturado para programas ou tabelas para pessoas
As duas ferramentas transformam um PDF em dados, mas para leitores diferentes. PDF para XML escreve o texto de todas as páginas, página por página, como XML estruturado que outro programa consegue ler. PDF para Excel procura tabelas e as escreve em uma planilha, uma planilha por página, onde uma pessoa pode ordenar, filtrar e calcular. Esta página compara as duas para você escolher a que combina com o destino dos dados.
Visão rápida
| Aspecto | PDF para XML | PDF para Excel |
|---|---|---|
| Resultado | Um arquivo XML com o texto de cada página. | Uma planilha com as tabelas encontradas, uma planilha por página. |
| Leitor principal | Um programa, script ou rotina de importação. | Uma pessoa trabalhando em uma planilha. |
| O que preserva | O texto, organizado página por página. | Linhas e colunas de células de tabela. |
| Texto fora das tabelas | Incluído, porque todo o texto é escrito. | Não é o objetivo, o foco são as tabelas. |
| Caso típico | Alimentar um sistema, um índice de busca ou uma análise de texto. | Totais, filtros e gráficos a partir de uma tabela de um relatório. |
Decida por quem lê o resultado
Se o próximo passo é um programa, o XML entrega todo o texto em uma estrutura previsível para ele ler. Se o próximo passo é uma pessoa com uma planilha, o Excel é o melhor começo porque as tabelas já estão em células. Se você quer só as tabelas como arquivos simples separados por vírgula, extrair tabelas para CSV é um terceiro caminho. Um PDF digitalizado não tem texto para extrair, então use OCR antes.
Quando escolher cada um
PDF para XML
Escolha PDF para XML quando um software vai ler o texto e você quer todo ele, página por página.
PDF para Excel
Escolha PDF para Excel quando você quer ordenar, somar ou criar gráficos das tabelas por conta própria.
Ferramentas gratuitas para as duas opções
Guias que colocam o termo em prática
- Exportar o texto de um PDF como XMLPasso a passo: verifique se um PDF tem texto de verdade, aplique OCR em páginas digitalizadas e exporte o texto página por página em XML para outro sistema ler.
- Levar tabelas do PDF para o ExcelPasso a passo: distinga PDF com texto de PDF escaneado, rode o OCR quando precisar, extraia as tabelas como dados de planilha e confira os números antes de usá-los num relatório.
Termos de PDF explicados
- XMLXML é um formato de texto que rotula dados para que programas os leiam. Veja como é, como se relaciona com PDFs e o que exportar um PDF para XML entrega.
- Extração de tabelasA extração de tabelas transforma tabelas impressas em um PDF em linhas e colunas que você edita numa planilha. Veja como funciona, os limites e como conferir o resultado.
- Planilhas de uma pasta de trabalhoUma pasta de trabalho é um arquivo de planilha com várias planilhas. Veja como as planilhas, as áreas de impressão e as quebras de página definem o que o PDF contém e como as tabelas de um PDF voltam em uma planilha por página.
Perguntas frequentes
- O PDF para XML entende minhas tabelas?
- Ele escreve o texto de cada página de forma estruturada, mas não é uma ferramenta de tabelas. Para linhas e colunas use PDF para Excel ou a extração de tabelas.
- E se uma tabela passa por duas páginas?
- As tabelas são lidas página por página, então as duas partes chegam separadas. Junte-as à mão na planilha.
- Quais das suas ferramentas cuidam disso?
- PDF para XML escreve o texto de cada página como XML, PDF para Excel escreve tabelas em uma planilha e Extrair tabelas do PDF salva tabelas como CSV. Cada resultado é um novo arquivo e o original continua intacto.