Extrato em PDF sem texto selecionável: por que acontece e o que fazer

O texto está na sua tela, mas não está dentro do arquivo

Você abre o extrato e os números estão lá, nítidos. Vai copiar um valor, arrasta o mouse — e o cursor não realça nada. Envia o arquivo para converter e vem a resposta mais frustrante que existe: nenhum lançamento encontrado. Sem erro, sem explicação.

A causa é contraintuitiva o bastante para servir de consolo: o arquivo não está corrompido, não está protegido por senha e não veio pela metade. Ele simplesmente não guarda nenhuma letra. O que você lê é um retrato do extrato. Seu olho reconstrói "1.240,00" na hora; para o programa, aquilo é uma mancha escura sem significado, igual à logomarca do banco no cabeçalho. E não é culpa sua: alguns desses PDFs nem passam perto de um scanner.

Três testes, do mais rápido ao definitivo (e o scan que engana todos)

Antes de qualquer outra hipótese, gaste dois segundos aqui. O diagnóstico é binário e não exige ferramenta nenhuma.

• Arraste o mouse. Clique antes de um valor e arraste por cima dele. Acendeu o realce azul, há texto ali. O cursor atravessou a página sem marcar nada — como numa foto — e você tem a resposta.
• Procure um número que está à vista. Ctrl+F (Cmd+F no Mac) e digite um valor que você está enxergando, como 1.240,00. "Nenhum resultado" para algo visível na tela confirma: o leitor procura texto num documento que não tem texto.
• Liste as fontes (para quem tem terminal). pdffonts extrato.pdf imprime as fontes embutidas. Veio só o cabeçalho das colunas? Sem fonte não há letra.

Do lado do conversor o critério é propositalmente grosseiro: se o PDF inteiro, descontados os espaços, render menos de vinte caracteres, ele é tratado como imagem e desviado para o reconhecimento óptico.

Um caso, porém, engana o teste da busca. Apps de digitalização por celular carimbam marca d'água — o CamScanner é o clássico — e a marca é texto de verdade: data, hora e endereços do tipo camscanner.com/share/... em toda página. Busque por "camscanner" e o leitor acha; busque pelo valor do seu Pix e não acha nada. A marca ultrapassa folgadamente o limiar de vinte caracteres, então uma contagem ingênua conclui "tem texto, é só ler" e vai parsear a marca d'água. Era assim que scans do Sicoob voltavam vazios. Hoje a regra é explícita: marca do app e nenhuma estrutura de extrato no texto significa scan disfarçado, e o arquivo vai para o OCR.

Por que o seu PDF nasceu sem uma letra dentro

Quatro origens respondem por quase tudo o que chega aqui:

• "Imprimir para PDF" — a mais comum e a menos suspeitada. Nada foi escaneado: o documento nasceu digital. Só que certas impressoras virtuais, com o "Microsoft: Print To PDF" à frente, não repassam as letras adiante — desenham o contorno de cada uma como traço vetorial. Fica impecável na tela e ainda assim é um desenho. Daí tanta gente jurar que o arquivo é original: ele é, tecnicamente. Só não tem texto.
• Scanner de verdade — a multifuncional do escritório digitalizando o papel: entrou papel, saiu foto.
• App de digitalização no celular, fotografando o papel ou a tela. Costuma somar sombra, tremido e perspectiva torta.
• Print de tela colado no Word e salvo como PDF.

O fio comum: alguém redesenhou o documento em algum ponto do caminho, e cada volta dessas descarta o texto e mantém a aparência. Como a aparência é tudo que você vê, a perda passa despercebida até uma máquina precisar ler.

O que muda quando o arquivo entra pelo reconhecimento óptico

Não é beco sem saída: o extrato deixa de ser lido e passa a ser olhado. Cada página vira uma imagem a 300 dpi e é reconhecida por um modelo de português. Duas consequências práticas:

• Demora. Reconhecer custa segundos por página, contra milissegundos para ler texto pronto. Por isso um escaneado longo não volta na hora: entra numa fila, com tela de progresso — deixe a aba aberta, que ela vira sozinha.
• Exatidão. O risco não é falhar — é acertar quase tudo e trocar um dígito no meio de um valor, produzindo um número que continua com cara de número. Existem defesas, e o guia sobre por que o OCR troca números no extrato mostra os casos medidos e como conferir. Nenhuma delas dispensa você de olhar o resultado.

E há um desfecho aparentemente absurdo que isso explica: quando o layout não é reconhecido, quem assume é um leitor de reserva — que lê a camada de texto. Num PDF que é pura imagem não há texto para entregar a ele. Por isso o escaneado de layout ainda não suportado é o único cenário que trava de verdade: falta texto para o plano A e para o plano B.

Quando o extrato chega deitado

Um subtipo é epidêmico em conta PJ e em relatório de recebíveis: o extrato girado 90°. Você reconhece na hora: o PDF abre de lado. A origem é quase sempre a mesma: alguém abriu uma planilha larga, em paisagem, e mandou imprimir num papel retrato.

Acontece que o OCR não inclina a cabeça: procura linhas na horizontal e, achando letras deitadas, devolve fiapos. O tratamento é tão literal quanto o diagnóstico — girar a imagem antes de olhar. Só que o arquivo não diz para que lado girar, e as duas direções acontecem na prática. Daí a sonda: a primeira página é reconhecida nos dois sentidos, e o leitor do banco julga qual deles produziu algo com cara de extrato.

O que importa para você é o desfecho quando nenhum passa: o processo para. É deliberado — um resultado vazio você percebe na hora; uma tabela inventada a partir de ruído você importa sem desconfiar. É assim que chegam extratos do Bradesco, do Santander e do PagBank.

E cabe o atalho mais esquecido: se o extrato deitado veio de uma planilha, você ainda deve ter a planilha. Não converta o impresso — gere o OFX direto do XLSX ou CSV, sem nada reconhecido por aparência.

"Nenhum lançamento": três causas que se parecem na tela

A mesma mensagem cobre situações diferentes, e saber qual é a sua muda o que fazer:

A do meio surpreende quem espera um erro: quando o leitor reconhece o layout e a movimentação não existe no período, zero lançamentos é a resposta correta, e o sistema marca o caso como tal justamente para não acionar plano B nenhum. Um mês parado não é falha a ser compensada com adivinhação — é essa distinção que impede um vazio legítimo de virar transações imaginadas.

O que fazer: quase sempre existe um arquivo melhor

Converter um PDF-imagem funciona, mas é o plano B. O plano A leva cinco minutos e rende um resultado exato:

• Volte ao internet banking, no computador. É onde mora o PDF gerado pelo próprio banco. O que circula por e-mail costuma ser reimpressão de reimpressão; o do site é a primeira geração.
• Procure "exportar" ou "baixar", não "imprimir". Exportar entrega o documento; imprimir entrega um retrato dele. Se só houver impressão, o "Salvar como PDF" do navegador costuma preservar o texto — quem vetoriza é a impressora virtual do Windows.
• Se existe apenas o papel, escaneie a 300 dpi, com a folha alinhada e sem o modo "foto". Scan torto não economiza nada — transfere o custo para a conferência.

Saiu do OCR mesmo assim? A conferência muda de foco: você não procura lançamento faltando, procura dígito trocado. Abra o resultado como planilha, compare o total com o rodapé do extrato e passe o olho nas datas — um ano impossível denuncia um caractere mal lido. Achou valor errado ou histórico truncado, o editor de OFX corrige sem refazer nada.

E se o PDF tem texto selecionável e ainda assim volta vazio, o caso não é este guia — é layout novo. Escreva para a gente com banco, tipo de conta e canal de origem: é com esse relato que um layout vira leitor dedicado. O caminho completo está no guia de como converter o extrato em PDF para OFX.