Como converter nomes de estados para suas siglas no dia a dia
A gente precisa disso o tempo todo. Planilha de RH, sistema de estoque, cadastro de cliente. O campo pede a sigla, o sistema só aceita dois ou três caracteres, e lá está você com "São Paulo" escrito por extenso. A solução mais simples é uma tabela de consulta ou uma função personalizada. A mais rápida depende de como o seu ambiente lida com correspondência de texto.
Entendendo estados siglas e como aplicá-las
As siglas oficiais dos estados brasileiros são duas letras, exceto para o Distrito Federal (DF) que segue a mesma lógica. A lista completa tem 27 unidades: AC, AL, AM, AP, BA, CE, DF, ES, GO, MA, MG, MS, MT, PA, PB, PE, PI, PR, RJ, RN, RO, RR, RS, SC, SP, SE, TO. Use essa lista como base de mapeamento. Nada de inventar atalhos. "S.Paulo" ou "Sao Paulo" vão quebrar validações automáticas em qualquer sistema sério. O problema real começa quando o texto não vem padronizado. Eu perdi uma manhã inteira tentando corrigir imports de ERP onde os campos vinham como "SAO PAULO", "sao paulo ", "SP (ex-São Paulo)", e "Sao Paulo/SP". O erro não era na tabela, era na entrada de dados. A solução que funcionou foi uma função que normaliza: converte para maiúsculas, remove acentos, corta espaços, e faz uma busca parcial antes da busca exata. Assim, "sao paulo " vira "SP" sem precisar de intervenção manual.
Na prática, você monta uma estrutura de dados com pares chave-valor. A chave é o nome completo do estado em letras maiúsculas e sem acento. O valor é a sigla. Em Excel, isso vira uma tabela. Em Python, um dicionário. Em SQL, uma tabela de lookup. A diferença entre um e outro é só a ferramenta. O princípio é o mesmo. Se você estiver numa planilha, uma função PROCV ou XLOOKUP resolve em segundos. Se forem milhares de linhas, um script é mais viável. Eu fiz uma vez uma rotina em VBA que lia um arquivo CSV, normalizava cada registro, consultava a tabela e escrevia a sigla na coluna correta. O processo que antes pedia 40 minutos de trabalho manual passou a levar 12 segundos. Claro, depende do tamanho do arquivo e da máquina, mas a economia é real.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Um detalhe que muitos ignoram: estados com nomes compostos. "Rio Grande do Norte" não é "RG" ou "RN" no meio do texto. É "RN". O mesmo para "Rio Grande do Sul". Se você tentar extrair siglas pela posição das letras, vai errar. Sempre use correspondência de nome completo. Nomes abreviados ou informais, como "Goiás" escrito como "GOIAS" sem acento, funcionam se a normalização estiver correta. Mas "Ceara" sem acento pode confundir com "CE" se a tabela não for bem construída. Para quem trabalha com desenvolvimento, a biblioteca `pandas` no Python facilita muito. Você cria um DataFrame com a lista de estados e siglas, faz um merge por coluna, e pronto. Se o dado vier de uma API ou banco, use uma query JOIN com a tabela de referência. O ganho de performance é grande quando o volume sobe. Teste com 10 mil linhas antes de levar para produção. Às vezes, a normalização de string consome mais tempo do que a própria lookup.
Se o seu cenário envolve múltiplos idiomas ou exportações internacionais, a sigla brasileira ainda é o padrão, mas alguns sistemas aceitam o código ISO 3166-2:BR. Lá, a forma é "BR-SP" em vez de apenas "SP". Se a exigência for esse formato, a tabela precisa ter duas colunas: uma para a sigla curta e outra para o código completo. Converter entre eles é trivial, mas errar o padrão no cadastro inicial gera retrabalho futuro. Há ainda o caso dos territórios e regiões que não são estados. "Centro-Oeste", "Sudeste", "Norte". Eles não têm sigla de estado. Se sua tabela tentar mapear esses termos, vai falhar ou dar resultado errado. Sempre valide o campo de origem antes de aplicar a conversão. Um check simples de existência na lista de 27 unidades elimina 90% dos erros comuns.
Se você prefere não programar, existem ferramentas online e extensões de navegador que fazem a conversão em lote. A qualidade varia muito. Algumas atualizam a tabela conforme mudanças administrativas, outras usam listas desatualizadas. Verifique a fonte. O IBGE publica a tabela oficial, mas algumas ferramentas terceirizadas esquecem de atualizar após alterações de siglas ou inclusão de novas subdivisões, ainda que raras. Uma coisa que eu vejo todo dia em projetos novos: alguém tenta adivinhar a sigla pelo áudio ou pela sonoridade do nome. "Mato Grosso do Sul" vira "MS", "Mato Grosso" vira "MT". Isso funciona na maioria dos casos, mas falha com "Distrito Federal" (DF) e com "Rio de Janeiro" (RJ), onde a ordem das palavras engana. Sempre consulte a lista oficial. Palpites geram inconsistência, e inconsistência gera prejuízo em relatórios e fiscalizações.
No fim, o processo é direto. Monte a tabela, normalize os dados, aplique a lookup, valide o resultado. Se seguir esse caminho, evita a maior parte dos problemas que aparecem na vida real.
