Para quem é

Tabelas que chegam inteiras à sua nota

Conversor genérico de HTML para Markdown quebra justamente nas tabelas que importam – as que têm lista, link ou trecho de código dentro da célula. O Clean Clipper escreve a tabela por conta própria e achata o conteúdo da célula em vez de derrubar a linha. Num corpus de quinze tabelas ele manteve doze, contra sete de cada motor comparado.

A tabela que desaba na colagem

O número que você precisa está numa tabela de painel estatístico. Você captura, cola e a grade virou uma coluna só: valor, nota de rodapé e unidade empilhados sem separação. Uma célula tinha uma lista dentro e levou a linha inteira junto. Para não perder a tarde, você acaba digitando os números à mão e conferindo duas vezes, que é o tipo de trabalho onde o erro entra sem avisar.

A outra armadilha é a tabela que não é tabela. Muito site usa grade só para posicionar bloco na tela, e o conversor reproduz aquilo como se fosse dado. A sua nota fica com uma matriz de células vazias em volta de um parágrafo, e a tabela de verdade, três seções abaixo, chega quebrada. Você desconfia de tudo que foi capturado e volta a conferir na fonte.

O terceiro problema não é de conversão, é de tempo. Série estatística é revisada: o painel que você consultou em março mostra outro valor em setembro, porque a base foi atualizada, o método mudou ou o dado preliminar virou definitivo. Quando alguém questiona um número do seu relatório, você precisa saber se errou na leitura ou se a série mudou por baixo – e essa pergunta só tem resposta se existir uma cópia datada do que o painel mostrava naquele dia.

O que muda nos seus dados

• Serializador de tabela GFM próprio, e não um plugin genérico de conversão
• Doze tabelas de quinze mantidas no corpus técnico, contra sete de cada motor comparado
• Célula com lista, link ou trecho de código é achatada em texto, e não derruba a linha
• Tabela irregular de duas colunas vira linhas Chave: valor em vez de uma grade quebrada
• Tabela de layout – grade usada só para posicionar – é desembrulhada, e não reproduzida como dado
• Números, faixas e notas de rodapé ficam onde dá para ler, e o arquivo é texto que você versiona
• A extração roda sobre o DOM já renderizado, então tabela que só existe depois de o painel carregar chega igual à da tela
• Endereço da fonte e data no cabeçalho do arquivo: o número que entrou na planilha continua sabendo de onde veio

| Indicador | Brasil |
| --- | --- |
| População (Censo 2022) | 203.080.756 |
| Municípios | 5.570 |
| Área territorial | 8.510.417,771 km² |
| Densidade demográfica | 23,86 hab/km² |

Preparar para trabalho com dados

A configuração é uma vez só, e aqui ela serve a dois objetivos ao mesmo tempo: a tabela precisa chegar íntegra, e o arquivo precisa dizer de quando é o número.

1. Instale a extensão e abra as opções pelo botão direito no ícone. Confira que o atalho Alt+Shift+M está livre em chrome://extensions/shortcuts.
2. Aponte a pasta de destino para o diretório do projeto de análise, junto dos scripts e das planilhas. A captura vira insumo versionado, e não um anexo perdido em downloads.
3. Coloque {date}-{domain}-{title} no modelo de nome. A data da consulta na frente é o que permite comparar duas leituras do mesmo painel quando a série for revisada.
4. Ligue source, date e extraction no frontmatter e desligue author. Painel estatístico não tem assinatura, e um campo vazio em todo arquivo é ruído no seu processamento.
5. Coloque imagens em ignorar. Gráfico é imagem: ele não vira dado na captura de qualquer forma, e o link ainda ocupa linha no meio da tabela.
6. Antes de capturar, role a página até a tabela aparecer inteira e expanda o que estiver recolhido. O que não foi renderizado não existe para a extensão, e tabela paginada só entrega a página visível.

Ajustes de quem trabalha com números

Estes valores partem de duas exigências que se contradizem menos do que parece: a tabela precisa colar limpa numa planilha, e o arquivo precisa continuar rastreável meses depois.

| Município | População 2022 | Domicílios 2022 | Densidade (hab/km²) |
| --- | --- | --- | --- |
| Município A | 412.530 | 138.900 | 1.204,7 |
| Município B | 98.771 (1) | 33.410 | 87,2 |
| Município C | 1.203 | 402 | 4,9 |

(1) Dado preliminar, sujeito a revisão.

O original trazia "Censo 2022" mesclado sobre duas colunas. O Markdown não
expressa mescla, então o rótulo foi achatado para dentro de cada coluna.
Vírgula decimal e ponto de milhar chegam como estavam na página.

Três leituras de painel

O panorama municipal que vira linha de planilha

Você está num painel de indicadores municipais e precisa de cinco linhas de uma tabela de vinte. Seleciona só a parte que interessa e captura a seleção. O Markdown chega com cabeçalho, e cola direto numa planilha como colunas separadas.

Nenhum número foi digitado, e é aí que está o ganho real: digitação é onde entra o erro que ninguém revisa. O arquivo fica na pasta do projeto com o endereço e a data da consulta no cabeçalho.

A tabela que quebrava em qualquer conversor

O relatório traz uma tabela com lista de categorias dentro de uma célula e um link de metodologia em outra. Conversor genérico desaba a linha inteira; aqui a célula é achatada em texto e a linha se mantém.

No corpus de quinze tabelas o serializador manteve doze, contra sete de cada motor comparado. As três que ele não manteve tinham estrutura que o Markdown simplesmente não expressa, e isso está dito em vez de escondido.

A revisão da série, seis meses depois

Em março você capturou o painel; em setembro captura de novo, e o valor de um município mudou. Os dois arquivos estão lado a lado, com datas de consulta diferentes e o mesmo source.

A comparação de texto entre eles mostra exatamente qual célula mudou. O relatório de março deixa de ser um erro seu e passa a ser uma leitura correta de uma série que foi revisada – que é uma frase que só se sustenta com o arquivo na mão.

Comparado com o jeito usual

Cada uma destas rotas tira um número de uma página e coloca numa análise. A terceira coluna diz o que cada uma cobra, sem exceção para esta extensão.

Quando a tabela sai torta

Por que a tabela não apareceu no arquivo?

Quase sempre porque ela não estava renderizada no momento da captura. Painel que carrega o corpo da tabela ao rolar, ou que só monta a grade depois de você escolher um filtro, não tem aquilo no DOM antes disso. Role até o fim, aplique o filtro, confirme na tela e capture então. Tabela desenhada em canvas não é capturada de jeito nenhum, porque ali não existe texto.

Por que veio texto corrido onde havia uma tabela?

Porque aquilo era uma grade de layout, e não uma tabela de dados. Muito site usa marcação de tabela só para posicionar blocos na tela; reproduzir isso como tabela geraria uma matriz de células vazias em volta de um parágrafo. A extensão desembrulha esses casos de propósito, e o conteúdo fica.

Por que o cabeçalho de dois níveis virou um só?

Porque o Markdown não tem célula mesclada. Quando a tabela original traz um rótulo abrangendo duas ou três colunas, ele é achatado para dentro delas: o conteúdo é preservado e a fusão visual não. Em tabela com cabeçalho complexo vale conferir o resultado antes de levar para a análise.

Por que os números vieram com vírgula decimal e ponto de milhar?

Porque a extensão não normaliza nada: o que estava na página é o que chega ao arquivo. Ela não recalcula, não reordena e não converte formato numérico – inclusive porque adivinhar se 1.203 é mil e duzentos ou um vírgula dois destruiria mais dados do que salvaria. A conversão é do seu processo, e agora ela é sobre texto, não sobre digitação.

O que ele não faz

Ele não exporta CSV nem XLSX: a saída é tabela em Markdown, e a conversão para planilha é sua. Não lê tabela desenhada em imagem, nem gráfico – figura continua como link de imagem. Célula mesclada é achatada, porque o Markdown não sabe expressar mescla. E ele não recalcula, não ordena e não valida nada: o que estava na página é o que chega ao arquivo, inclusive o erro que já estava lá.

Perguntas