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 a página, como XML estruturado que outro programa consegue ler. PDF para Excel procura tabelas e escreve-as numa folha de cálculo, uma folha por página, onde uma pessoa pode ordenar, filtrar e calcular. Esta página compara as duas para escolher a que se ajusta ao destino dos dados.
Resumo
| Critério | PDF para XML | PDF para Excel |
|---|---|---|
| Resultado | Um ficheiro XML com o texto de cada página. | Uma folha de cálculo com as tabelas encontradas, uma folha por página. |
| Leitor principal | Um programa, script ou rotina de importação. | Uma pessoa a trabalhar numa folha de cálculo. |
| O que preserva | O texto, organizado página a 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 pesquisa 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 passo seguinte é um programa, o XML entrega todo o texto numa estrutura previsível para ele ler. Se o passo seguinte é uma pessoa com uma folha de cálculo, o Excel é o melhor início porque as tabelas já estão em células. Se quer só as tabelas como ficheiros simples separados por vírgulas, extrair tabelas para CSV é um terceiro caminho. Um PDF digitalizado não tem texto para extrair, por isso use OCR antes.
Quando escolher cada opção
PDF para XML
Escolha PDF para XML quando um software vai ler o texto e quer todo ele, página a página.
PDF para Excel
Escolha PDF para Excel quando quer ordenar, somar ou criar gráficos das tabelas por si.
Ferramentas gratuitas para ambas as opções
Guias que põem o termo em prática
- Exportar o texto de um PDF como XMLPasso a passo: verifique se um PDF tem texto real, aplique OCR às páginas digitalizadas e exporte o texto página a página em XML para outro sistema o ler.
- Passar tabelas do PDF para o ExcelPasso a passo: distinga PDF com texto de PDF digitalizado, execute o OCR quando precisar, extraia as tabelas como dados de folha de cálculo e confira os números antes de usá-los num relatório.
Termos de PDF explicados
- XMLO XML é um formato de texto que etiqueta dados para os programas os lerem. Saiba como é, como se relaciona com os PDF e o que traz exportar um PDF para XML.
- Extração de tabelasA extração de tabelas transforma tabelas impressas num PDF em linhas e colunas que edita numa folha de cálculo. Veja como funciona, que limites tem e como verificar o resultado.
- Folhas de um livro de cálculoUm livro de cálculo é um ficheiro de folha de cálculo com várias folhas. Veja como as folhas, as áreas de impressão e as quebras de página definem o que o PDF contém e como as tabelas de um PDF regressam numa folha por página.
Perguntas frequentes
- O PDF para XML percebe as minhas tabelas?
- 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 a página, por isso as duas partes chegam separadas. Junte-as à mão na folha de cálculo.
- Quais das suas ferramentas tratam disto?
- PDF para XML escreve o texto de cada página como XML, PDF para Excel escreve tabelas numa folha de cálculo e Extrair tabelas do PDF grava tabelas como CSV. Cada resultado é um novo ficheiro e o original fica intacto.