Um script em Python que tira as tabelas dos seus relatórios, tabelas de preços ou extratos em PDF e as leva para o Excel

Exemplo de resultado

python merge_sales.py --month 2026-10

2026-11-02 09:14:03 INFO  Pasta: sales/2026-10, 9 arquivos encontrados
2026-11-02 09:14:03 INFO  shop-01.csv: 1.284 linhas
2026-11-02 09:14:04 INFO  shop-02.xlsx: 967 linhas
2026-11-02 09:14:04 WARN  shop-07.csv: 3 linhas sem preço ignoradas (linhas 88, 412, 913)
2026-11-02 09:14:05 INFO  Pronto: 10.412 linhas -> report-2026-10.xlsx (abas "Vendas" e "Totais")

[columns]
date = Data, Data da venda, Dia
product = Produto, Item, Descrição
quantity = Qtd, Quantidade, Unid
price = Preço, Preço unitário

def read_shop_file(path: Path, columns: dict[str, list[str]]) -> pd.DataFrame:
    """Lê o arquivo de uma loja e dá a ele os nomes de colunas do relatório."""
    table = pd.read_excel(path) if path.suffix == ".xlsx" else pd.read_csv(path, encoding="utf-8-sig")
    renamed = {}
    for name, variants in columns.items():
        found = next((c for c in table.columns if c.strip() in variants), None)
        if found is None:
            raise ReportError(f"{path.name}: nenhuma coluna para '{name}' (procuradas: {', '.join(variants)})")
        renamed[found] = name
    table = table.rename(columns=renamed)[list(columns)]
    table["shop"] = path.stem
    return table

Sobre este serviço

Tabelas de preços de fornecedores, relatórios de bancos ou marketplaces e listas de estoque muitas vezes chegam só em PDF, e copiar as tabelas para o Excel bagunça as colunas. Este script em Python lê as tabelas dos seus PDFs e as grava em Excel ou CSV com as colunas no lugar: junta uma tabela que ocupa várias páginas, descarta cabeçalhos repetidos e rodapés de página e, a partir do Padrão, transforma 1 234,50 ou (120.00) em números de verdade e datas em datas. Ele é ajustado ao layout dos seus arquivos, então envie um ou dois PDFs típicos ou o mesmo layout com números inventados. O PDF precisa ter texto de verdade, como a maioria dos arquivos salvos a partir de um programa; digitalizações e fotos de papel precisam de reconhecimento de texto, que não está incluído. Você mesmo roda o script e confere os totais.

O que está incluído

• O que você recebeUm arquivo ZIP com o script em Python, um README com instruções passo a passo e, a partir do Padrão, um arquivo de configurações com nomes de colunas e páginas; o código também aparece na página do pedido.
• Ajustado ao seu layoutFeito e testado nos arquivos de exemplo que você envia
• Colunas no lugarUma linha no PDF é uma linha no Excel
• Várias páginas juntasUma tabela longa vira uma aba só, sem cabeçalhos repetidos
• Números de verdadeA partir do Padrão, valores e datas que você pode somar e ordenar
• Código legívelCom comentários, fácil de ajustar se o layout mudar

Como funciona

1. 1
   AmostrasVocê envia um ou dois PDFs típicos e mostra a tabela de que precisa
2. 2
   CódigoEscrevemos o script para esse layout e o guia para rodá-lo
3. 3
   TesteVocê roda nos seus arquivos e confere os totais com o PDF
4. 4
   AjustesVocê pede ajustes dentro do seu pacote e envia qualquer mensagem de erro

O que precisamos de você

Um ou dois PDFs típicos do tipo que você recebe (ou o mesmo layout com nomes e números inventados), qual tabela e em quais páginas você precisa, e as colunas que você quer no Excel. Como os números estão escritos neles (vírgulas, espaços, sinais de menos ou parênteses) e o formato das datas. Se todos os seus arquivos têm o mesmo layout ou se há vários tipos, mais ou menos quantos arquivos você processa e o seu sistema: Windows, macOS ou Linux.

Vamos perguntar:

• Que PDFs são esses?
• De quais colunas você precisa no Excel?
• Todos os seus arquivos são iguais?
• Onde ele vai rodar?

Compare os pacotes

Perguntas e respostas

Não encontrou a resposta? Pergunte