Ir para o conteúdo principal
Português— Escolher um idioma
Menu

Extração Estruturada: Tabelas, Cabeçalhos e Dados Numéricos

Aula 11 de 14 Atualizada a 2 de novembro de 2026 Iniciante
Nesta página
  1. De Documentos Brutos a Dados Organizados
  2. Tabelas: O Ponto Forte
  3. Cabeçalhos, Hierarquia e Estrutura
  4. Dados Numéricos, Com Contexto
  5. Na Prática
  6. Pontos-chave

Atualização de 2 de novembro de 2026 — O Le Chat torna-se Vibe. Desde 28 de maio de 2026, o Le Chat é agora o Vibe (ainda em chat.mistral.ai): um único agente para trabalho e código, que mantém as suas conversas, definições e subscrições. A experiência legada do Le Chat permanece acessível no modo Chat; no modo Work, os agentes tornaram-se competências (invocadas com @), as memórias formam a base de conhecimento e a pesquisa profunda é a competência Deep Research. Os planos designam-se agora Mistral Free, Pro, Team e Enterprise. Esta lição utiliza o nome Vibe; alguns menus aqui descritos podem ter alterado de nome ou localização.

De Documentos Brutos a Dados Organizados

Extrair texto de um documento é bom. Mas o valor real surge quando obtém dados estruturados: tabelas limpas, valores identificados e cabeçalhos classificados. Esta é a diferença entre receber uma fotocópia de um demonstrativo financeiro e receber esse mesmo demonstrativo numa folha de cálculo utilizável. O Document AI da Mistral destaca-se precisamente nesta tarefa: não se limita a ler o texto; compreende a estrutura do documento e devolve a informação num formato diretamente utilizável.

Tabelas: O Ponto Forte

As tabelas estão presentes em toda a parte nos documentos empresariais — demonstrativos financeiros, listas de preços, horários, resultados de estudos — e é historicamente aqui que o OCR clássico mais falhou miseravelmente, transformando colunas e linhas numa confusão. O motor OCR 3, pelo contrário, trata-as com notável precisão. Quando carrega um documento contendo uma tabela no Vibe, o modelo identifica primeiro os limites da tabela, mesmo quando estes são subtis ou coloridos. Em seguida, reconhece os cabeçalhos e distingue-os dos dados, associando cada célula à sua coluna e linha. Lida até com casos difíceis: células fundidas, subtotais, notas de rodapé — todas as armadilhas clássicas que uma folha de cálculo mal convertida transforma em erros silenciosos.

Para obter um resultado utilizável, habitue-se a especificar o formato desejado no seu prompt. «Extrai a tabela da página 3 em formato Markdown» dá-lhe uma tabela legível diretamente no Vibe; «Converte esta tabela para CSV para eu poder colar no Excel» prepara-a para importação numa folha de cálculo; «Extrai apenas a coluna ‘Valor’ e a coluna ‘Data’» filtra o que precisa na origem. O Markdown é frequentemente o formato mais prático para uso diário: imediatamente legível e fácil de copiar e colar noutras ferramentas.

Cabeçalhos, Hierarquia e Estrutura

Para além das tabelas, o Document AI consegue reconstruir a hierarquia do documento: títulos e subtítulos são identificados e classificados por nível (h1, h2, h3), os parágrafos distinguem-se uns dos outros mesmo sem quebras de linha visíveis, as listas com marcas ou numeradas são corretamente reconstruídas e as notas de rodapé são ligadas às suas referências. Esta capacidade é inestimável ao trabalhar com relatórios longos ou documentos jurídicos, onde a estrutura tem tanto significado como o texto: saber que uma cláusula aparece na secção «Garantias» em vez de «Diversos» altera a sua interpretação.

Pode, portanto, fazer pedidos estruturais: «Dá-me o índice deste documento», «Lista todos os títulos de secção com os respetivos números de página» ou até «Extrai apenas os parágrafos que discutem garantias» — este último combinando estrutura e significado.

Dados Numéricos, Com Contexto

Documentos financeiros, orçamentos, faturas e relatórios de atividade estão cheios de números: valores financeiros (receitas, totais, IVA, descontos), datas de assinatura ou de vencimento, percentagens de quota de mercado ou de margem, e identificadores como números de fatura, referências de clientes ou códigos SIRET. O que distingue o Document AI é que não se limita a extrair números — compreende o seu contexto. Se perguntar «Qual é a receita anual?», ele procura especificamente o número associado a esse conceito, mesmo que esteja enterrado numa tabela de 50 linhas. Um OCR clássico ter-lhe-ia entregue cinquenta números sem rótulo; aqui, obtém o correto.

Esta compreensão permite-lhe ir além da extração: pode solicitar cálculos e verificações. «O total da coluna ‘Valor sem IVA’ está correto?» faz o modelo recountar; «Qual é a diferença entre os valores orçamentados e os reais?» cruza duas colunas; «Qual rubrica de despesa representa a maior fatia?» transforma a tabela numa análise.

Para utilizadores avançados, a exportação em JSON estrutura a saída para as suas ferramentas: «Extrai as seguintes informações desta fatura em formato JSON: número, data, valor sem IVA, IVA, valor com IVA, fornecedor» ou «Cria um objeto JSON com os dados de cada linha da tabela». Este formato é ideal se os dados precisarem de alimentar posteriormente uma folha de cálculo, uma base de dados ou outro software.

Na Prática

Veja como estas capacidades se conjugam em três cenários comuns. Recebe uma pilha de faturas em PDF: para cada uma, pergunte «Extrai desta fatura: nome do fornecedor, data, número da fatura, valor sem IVA, IVA e valor com IVA. Apresenta como uma tabela» — e a sua escrita contabilística fica preparada. Perante um relatório anual de 50 páginas: «Extrai todas as tabelas financeiras deste relatório e apresenta-as em Markdown. Identifica a receita, o lucro líquido e a margem operacional». Para decidir entre dois orçamentos, carregue ambos e pergunte: «Compara os preços nestes dois orçamentos para os mesmos serviços. Identifica as diferenças de tarifas».

Algumas regras metodológicas para concluir. Seja específico sobre o que procura — uma tabela particular, uma coluna, um tipo de dado — e especifique sempre o formato de saída desejado (Markdown, CSV, JSON, lista). Para documentos digitalizados, recomenda-se uma resolução de pelo menos 150 DPI para uma extração fiável. Se o documento for muito denso, processe-o página a página: «Extrai a tabela da página 7» dará melhores resultados do que um «Extrai todas as tabelas» global. E para qualquer uso crítico, confronte os dados extraídos com o documento original — a extração é um acelerador, não uma isenção de responsabilidade.

Pontos-chave

  • O Document AI reconstrói fielmente tabelas com cabeçalhos, colunas e células fundidas
  • Pode solicitar a extração em Markdown, CSV ou JSON consoante as suas necessidades
  • O modelo compreende o contexto dos dados numéricos e pode responder a perguntas específicas
  • A estrutura hierárquica do documento (títulos, subtítulos, listas) é preservada
  • Verifique sempre as extrações para usos críticos