PDF para Word, Texto ou Markdown: qual escolher?

As três opções tiram as palavras de dentro de um PDF. A diferença está em quanto da página cada uma tenta manter. O Word reconstrói a página, o texto puro guarda só os caracteres, e o Markdown fica no meio do caminho. Qual escolher depende de para onde essas palavras vão depois.

Word, quando você vai editar o próprio documento

O PDF para Word refaz cada página como um .docx. Parágrafos, tamanhos de fonte, negrito, imagens e tabelas chegam mais ou menos onde estavam. É a escolha para atualizar um contrato, corrigir um relatório ou reaproveitar o ofício do ano passado com datas novas.

O que se perde é o significado por trás da formatação. Um título costuma vir como texto grande em negrito no estilo Normal, e não como Título 1; um título com um fio embaixo pode até virar uma tabela de uma célula só. Os marcadores tendem a ser o caractere • digitado, e não uma lista de verdade do Word. A página fica com a cara certa, mas o Painel de Navegação e o sumário automático não encontram nada até você aplicar os estilos de título. Layouts em duas colunas e tabelas complicadas merecem uma conferida de perto.

Texto puro, quando você só precisa das palavras

O PDF para Texto entrega um único .txt com o texto de todas as páginas e uma linha em branco entre uma página e outra. Serve para pesquisar um documento longo num editor de texto, colar um trecho num e-mail sem arrastar a formatação junto, contar palavras ou alimentar um script.

Tudo o que é visual vai embora. Imagens e negrito são descartados, e as tabelas viram linhas de valores separados por espaços: uma tabela de vendas vira algo como Sudeste 120 4%, com os cabeçalhos das colunas perdidos lá em cima. Quando uma célula está vazia, não dá para saber qual valor é de qual coluna. Números e marcadores de lista às vezes se separam do item, e uma página em duas colunas pode sair numa ordem inesperada.

Markdown, quando um pouco de estrutura precisa sobreviver

Markdown é texto puro com uma marcação mínima: # para títulos, - para tópicos, barras verticais para tabelas. Abre em qualquer lugar e cola limpo no Obsidian, no Notion, num site de documentação, num README ou num chat de IA em que você quer que a tabela continue sendo tabela.

Na prática, o nosso PDF para Markdown te entrega o seguinte:

• Tabelas: o grande trunfo. Quando ele identifica colunas alinhadas, escreve uma tabela Markdown de verdade em vez de um amontoado de valores.
• Listas: listas numeradas mantêm os números, e os tópicos mantêm o caractere •, que a maioria dos editores trata como texto comum.
• Títulos: vêm como linhas normais. O PDF não marca um título como título, é só um texto maior, e o conversor não tenta adivinhar. Pôr os # é uma passada rápida em qualquer editor.

Negrito, itálico e imagens não passam.

Para decidir rápido

1. Vai editar o documento e mandar adiante? Word.
2. Tem tabelas, ou o texto vai morar nas suas anotações ou num site de documentação? Markdown.
3. Para o resto, incluindo buscas rápidas e colar em outro lugar: texto.

PDF escaneado precisa de OCR antes

Tente selecionar uma frase no PDF. Se a página inteira fica marcada como uma foto, ainda não existe texto ali, só a imagem de um texto, e cada ferramenta reage de um jeito:

• O PDF para Texto tem a caixa “Usar OCR (ler o texto de páginas escaneadas)”. Marque e a ferramenta lê as imagens das páginas primeiro. Fica mais lento, e as páginas que já têm texto de verdade são deixadas como estão.
• O PDF para Markdown para com uma mensagem avisando que não há texto extraível. Passar o arquivo antes pelo OCR em PDF resolve, embora o texto reconhecido possa vir com espaços duplicados e uma ou outra linha estropiada.
• O PDF para Word devolve um documento de imagens de página, sem nada para editar, e fazer o OCR antes não muda isso. Para ter um escaneado editável, extraia o texto com o PDF para Texto com OCR ligado e cole num documento novo.

Em qualquer desses caminhos, vale saber que o nosso OCR só lê inglês. Num documento em português, conte com ç, til e acentos trocados ou sumidos, e reserve um tempo para revisar.

Perguntas comuns

Qual formato é melhor para colar no ChatGPT ou em outra IA?

Markdown, se o PDF tiver tabelas, porque o modelo consegue ver qual número está em qual coluna. Para um documento só de texto corrido, o texto puro funciona igualmente bem.

Quão preciso é o OCR com documentos em português?

Ele reconhece bem as letras sem acento em páginas limpas, retas e de bom contraste, mas só lê inglês, então as palavras com ç, ã, õ ou acento são as que mais erram. Fotocópia apagada, letra de mão e foto de celular tirada de lado pioram tudo. Confira nomes e números antes de confiar no resultado.