Acentos corrompidos em extratos PDF: como resolver

Acentos corrompidos em extratos bancários: a resposta direta

Quando um extrato bancário em PDF apresenta caracteres como "ç", "ão" ou "’" em vez de "ç", "ão" ou apostrofes normais, o problema é de codificação de texto — normalmente uma confusão entre UTF-8 e ISO-8859-1 (Latin-1). A solução passa por usar uma ferramenta de conversão que detete e normalize automaticamente a codificação antes de extrair as transações.

Por que razão os extratos bancários portugueses têm este problema?

Os bancos portugueses geram PDFs através de sistemas internos muitas vezes desenvolvidos há décadas. A língua portuguesa usa acentos e caracteres como ã, ç, é, ê, ó, ú que estão fora do conjunto ASCII básico (0–127). Quando o sistema que gera o PDF usa uma codificação diferente da que o software de leitura espera, o resultado são caracteres corrompidos — o chamado mojibake.

As codificações mais comuns em PDFs bancários portugueses

O Caixa Geral de Depósitos, o Millennium BCP e o Novo Banco, por exemplo, têm histórico de gerar PDFs com metadados em UTF-8 mas conteúdo de texto embebido em Latin-1 — uma inconsistência que confunde praticamente todos os conversores genéricos.

O problema agrava-se com certos tipos de PDF

Existem dois tipos fundamentais de PDF:

• PDF com texto real (text-based PDF): o texto está embebido e pode ser extraído diretamente. Aqui, os erros de codificação são mais frequentes.
• PDF de imagem (scanned PDF): o documento é uma fotografia digitalizada. Não há texto para extrair — é preciso OCR, e os erros de codificação surgem na fase de reconhecimento.

Quando um contabilista certificado importa um extrato do BPI ou do Santander para Excel e vê "Pagamento de Rendação" em vez de "Pagamento de Rendação", está quase sempre perante um PDF text-based com codificação errada.

Quais os erros mais comuns e como os identificar?

Sintomas típicos de erros de codificação

• Descrições de transações com sequências como

  é

  ,

  ó

  ,

  ã

  ,

  ç

• Nomes de entidades ("CONTINENTE", "EDP COMERCIAL") aparecem corretos, mas descrições com acentos ficam corrompidas
• Campos de data ou valor numérico estão corretos — o problema limita-se ao texto descritivo
• Ao abrir o Excel resultante, o Excel mostra

  ?

  ou caixas quadradas em vez de letras

Como confirmar que é um problema de codificação e não outro erro

Se copiar o texto corrompido para um conversor de codificação online (como o Encoding Converter do Browserling) e converter de Latin-1 para UTF-8, os caracteres corretos aparecem imediatamente. Isso confirma que o problema é puramente de codificação — não há dados em falta, apenas uma interpretação errada dos bytes.

Nota: se o problema for movimentos em falta ou duplicados, trata-se de uma questão diferente — veja o artigo sobre Movimentos duplicados ou em falta no extrato: como corrigir.

Como o Conversor de Extratos Bancários resolve o problema automaticamente

O Conversor de Extratos Bancários foi desenvolvido especificamente para PDFs de bancos portugueses, o que significa que o motor de extração inclui deteção automática de codificação em três camadas:

1. Deteção de metadados do PDF: lê o cabeçalho do ficheiro para identificar a codificação declarada.
2. Análise de padrões de bytes: mesmo que os metadados estejam errados ou ausentes, o sistema analisa padrões estatísticos nos bytes do texto para inferir a codificação real (técnica baseada na biblioteca chardet, com adaptações para português europeu).
3. Normalização Unicode (NFC): após a deteção, todo o texto é normalizado para UTF-8 NFC — o formato exigido pelo Excel moderno e pela maioria dos sistemas de contabilidade como o PHC, Sage ou Primavera.

O resultado é um ficheiro Excel onde "Transferência para João Silva" aparece exatamente assim — sem mojibake, sem caracteres de substituição, sem edição manual.

Bancos testados com extratos que historicamente causam problemas de codificação

• Caixa Geral de Depósitos (CGD): PDFs gerados pelo sistema Caixadirecta têm frequentemente inconsistência UTF-8/Latin-1 nas descrições longas.
• Millennium BCP: extratos exportados via ActivoBank e Millennium apresentam CP1252 em campos de referência.
• Novo Banco: extratos mais antigos (anteriores a 2020) usam Latin-1; os novos usam UTF-8 — a ferramenta distingue automaticamente.
• Santander Portugal: PDFs de conta corrente empresarial frequentemente em Windows-1252.
• BPI: extratos de conta à ordem pessoal geralmente corretos; extratos empresariais com histórico de problemas em campos de observações.

Passo a passo: converter um extrato com acentos corrompidos

Passo 1 — Descarregue o extrato original do banco

Aceda à área de cliente do seu banco e descarregue o extrato em formato PDF. Não imprima para PDF a partir do browser — isso cria um PDF de imagem (raster) que perde a informação de codificação original e obriga a OCR. Use sempre a opção de exportação nativa do banco.

Passo 2 — Carregue o ficheiro no conversor

Aceda ao Conversor de Extratos Bancários e arraste o ficheiro PDF para a área de upload. O sistema aceita ficheiros até 50 MB e processa múltiplos extratos em simultâneo.

Passo 3 — Verifique a pré-visualização antes de exportar

Antes de descarregar o Excel, a ferramenta mostra uma pré-visualização das primeiras 10 transações. Verifique se os acentos estão corretos nesta fase. Se ainda houver caracteres estranhos (o que é raro, mas pode acontecer com PDFs muito antigos ou corrompidos), use a opção "Forçar codificação" e selecione manualmente Latin-1 ou CP1252.

Passo 4 — Exporte para Excel com codificação UTF-8

O ficheiro Excel gerado usa UTF-8 com BOM (Byte Order Mark), o que garante compatibilidade com Excel para Windows, Excel para Mac, LibreOffice Calc e Google Sheets. Não é necessário nenhum passo adicional de conversão.

Passo 5 — Importe para o software de contabilidade

Se usar PHC CS, Sage 50 ou Primavera, importe o ficheiro Excel diretamente. Estes sistemas suportam UTF-8 com BOM desde as versões de 2018. Se usar um sistema mais antigo que peça ANSI, guarde uma cópia do Excel em "CSV (MS-DOS)" a partir do Excel — isso converte para CP1252 sem perder os acentos portugueses.

Nota para contabilistas: o Decreto-Lei n.º 28/2019, de 15 de fevereiro, que regula a faturação eletrónica e os arquivos digitais em Portugal, não especifica uma codificação obrigatória para ficheiros de suporte, mas a AT (Autoridade Tributária) recomenda UTF-8 nos seus documentos técnicos de integração com o SAFT-PT (versão 1.04, publicada em 2021).

Exemplos reais: antes e depois da conversão

Exemplo 1 — Extrato CGD com Latin-1

Antes (corrompido):

Transferência recebida de José Ferreira
Pagamento de rendação mensal
Debito referência 2024/03

Depois (corrigido automaticamente):

Transferência recebida de José Ferreira
Pagamento de rendação mensal
Debito referência 2024/03

Exemplo 2 — Extrato Santander com CP1252

Uma PME de Lisboa com faturação anual de 400 000 € usava um processo manual para corrigir os acentos nos extratos Santander — cerca de 45 minutos por mês, multiplicados por 12 meses e 3 contas bancárias. Após adotar a ferramenta, o processo passou a demorar menos de 3 minutos por extrato, sem erros residuais.

Se tiver problemas com datas que aparecem no formato errado após a conversão, consulte o artigo Datas erradas no Excel ao converter extratos? Como resolver — é um problema distinto mas igualmente comum.