Arquivos do Excel: uma pasta de trabalho é um ZIP de XML, e um PDF não tem tabela nenhuma
O que um XLSX realmente contém, por que tirar uma tabela de um PDF é dedução e não extração, e quais células viram números. Converta no seu navegador.
Visão geral
- Tipo
- Documentos
- Extensões
- .xlsx
- Tipo MIME
- application/vnd.openxmlformats-officedocument.spreadsheetml.sheet
- Também conhecido como
- XLSX, Microsoft Excel, spreadsheet
Um arquivo .xlsx é um arquivo ZIP de XML, a mesma construção do .docx descrito na página do Word e parte da mesma mudança para o Office Open XML de 2007. Renomeie um deles para .zip e você encontrará uma parte da pasta de trabalho que lista as planilhas, uma parte por planilha com as células, uma parte de estilos e os arquivos de relacionamento que amarram tudo. Como é XML dentro de um ZIP, uma pasta de trabalho pode ser escrita sem nenhum código da Microsoft, e é isso que este site faz — cinco partes XML geradas diretamente, em vez de uma biblioteca de planilhas acrescentada ao pacote. O texto das células entra como string inline, então cada planilha é autossuficiente, e os tetos são os do próprio Excel: 1.048.576 linhas, 16.384 colunas e 255 planilhas.
Saiba mais
A dificuldade está inteiramente do outro lado. Um PDF não tem tabelas. Ele tem sequências de glifos, cada uma com uma posição, e as linhas de grade que você vê são operações de desenho sem relação com elas — nada no arquivo registra que uma célula existe, muito menos qual texto pertence a ela. Por isso a grade precisa ser deduzida da geometria, que é o que toda ferramenta que faz isso realmente faz, inclusive as que cobram por isso.
A dedução acontece em duas etapas. As linhas vêm de linhas de base compartilhadas, a metade confiável, porque é assim que a página foi composta desde o início. As colunas vêm de extensões horizontais que se sobrepõem, e uma faixa precisa se repetir em várias linhas antes de contar como coluna — a repetição é o que separa uma coluna de verdade de um parágrafo que por acaso tem recuo. Só as bordas esquerdas não funcionam, e vale registrar isso porque é a primeira implementação óbvia e ela falha na tabela mais comum que existe: uma coluna de quantidades alinhada à direita com 6, 96 e 240 tem três bordas esquerdas diferentes, a um dígito de distância cada uma, então a coluna se divide e cada linha ganha uma célula vazia sobrando. A sobreposição lida com alinhamento à esquerda, à direita e centralizado sem precisar saber qual deles está vendo.
O que entra numa célula como número é deliberadamente conservador: decimais simples, com sinal opcional, e nada mais. 007, 1,234, 2026-09-10, +44 20 e qualquer coisa com símbolo de moeda ficam exatamente como apareceram, porque um zero à esquerda, um separador de milhar e uma data são, cada um, informações que a conversão forçada destruiria. As casas decimais são mantidas, então 48.50 chega como 48.50, e não 48.5. Os limites são declarados na página em vez de escondidos: células mescladas saem na primeira coluna que abrangem, uma célula cujo texto quebra em duas linhas vira duas linhas, é gerada uma planilha por página, e uma página sem estrutura de colunas repetida volta como uma única coluna de linhas — que é a resposta honesta para texto corrido.
Converter outros formatos para Excel
Perguntas frequentes: Excel
Um XLSX é mesmo um arquivo ZIP?
Sim, exatamente como um DOCX. Renomeie para .zip e abra: dentro há partes XML para a pasta de trabalho, para cada planilha, para os estilos e para os relacionamentos entre eles.
Os números vão somar de verdade?
Sim, nas células que são decimais simples — elas são gravadas como números, então SOMA e as demais funções operam sobre elas. Tudo o que é ambíguo fica como texto de propósito, e texto não soma.
Por que meu número de referência 007 veio como texto?
Porque o zero à esquerda é informação. Guardá-lo como número o transformaria em 7 e não haveria como recuperá-lo, então valores que só parecem numéricos ficam exatamente como apareceram.
Minha tabela perdeu as divisões entre colunas. Por quê?
As colunas são reconhecidas por extensões de células que se sobrepõem e se repetem ao longo da página. Uma tabela com só uma ou duas linhas, ou com células posicionadas de forma irregular, não dá à dedução nada em que se apoiar e volta como linhas de texto.
Funciona com um PDF digitalizado?
Não, e ele recusa em vez de adivinhar. O reconhecimento devolve uma linha de texto por caixa de detecção, o que basta para reconstruir texto corrido, mas não uma grade — as caixas juntam células vizinhas com frequência suficiente para que o resultado pareça uma tabela e esteja errado.
Posso converter Excel em PDF aqui?
Não localmente. Renderizar uma pasta de trabalho do jeito que o Excel faz — quebras de página, áreas de impressão, larguras de coluna — exige o Excel ou o LibreOffice, e nenhum dos dois roda em uma aba do navegador. As conversões daqui geram XLSX, não partem dele.