Organizei 5 anos de notas no Evernote em 2 dias usando Python

Eu cheguei ao auge do "acúmulo digital" no início de 2026. Minha conta pessoal no Evernote, que eu usava religiosamente desde a faculdade, ostentava um número que envergonha qualquer arquiteto da informação: 12.548 notas. Eu pagava R$ 54,90 mensais pelo plano Personal, uma assinatura que justificava como "seguro intelectual". O problema é que o seguro virou um aterro sanitário. Tentar achar uma receita de 2022 ou um contrato de freelancer levava mais tempo do que recriar o documento do zero. Osearch interno travava, e o desespero tecnológico me fez olhar para o Python não como ferramenta de programação, mas como a única vassoura capaz de limpar essa bagunça.

A decisão não foi técnica, foi financeira e funcional. Eu estava mantendo um "elefante branco" de dados, e a promessa de organização do app tinha virado uma mentira que eu contava para mim mesmo todo mês ao renovar a assinatura.

A falácia do "vou ler isso depois"

A verdade dolorida é que 70% dessas notas eram capturas rápidas. Screenshots de erros que já foram corrigidos, PDFs de manuais que agora estão em sites melhores, e rascunhos de ideias que nunca saíram do papel. O hábito de salvar tudo — aquela ilusão de produtividade — criou um bloqueio mental. Eu não usava o app porque o custo cognitivo de encontrar algo era alto demais.

Isso é o lado ruim de focar apenas na velocidade de captura que ferramentas como Todoist ou TickTick incentivam. Você joga tudo para dentro da caixa escura, mas raramente volta para organizar. O Evernote facilita demais o "guardar" e dificulta o "jogar fora" quando o volume chega a cinco dígitos. Fazer isso manualmente, clicando em nota por nota, levaria meses. Foi aí que resolvi automatizar a triagem.

A mecânica da migração: o porquê do Python

Eu poderia ter tentado ferramentas prontas de "deduplicação", mas a maioria foca apenas em arquivos iguais. Meu problema eram notas quase iguais. Tinha três versões da mesma lista de compras, apenas com um item diferença, e dezenas de trechos de artigos copiados sem contexto. Python entrou aqui para manipular a estrutura de dados.

O processo foi simples conceitualmente, mas brutalmente efetivo na prática. O Evernote permite exportar tudo para um arquivo .enex (Evernote Export Format), que nada mais é do que um XML gigantesco contendo o HTML de cada nota. Python é excelente para ler XML, aplicar regras de lógica e reescrever o arquivo limpo.

A "mágica" não foi inteligência artificial complexa, foi lógica booleana direta. O script que escrevi em um sábado à tarde fazia três coisas principais: eliminava notas vazias (título sem conteúdo), fundia notas com títulos idênticos criadas no mesmo dia e marcava para revisão manual qualquer nota que tivesse menos de 50 caracteres de texto real (descartando imagens soltas).

As regras que o robô seguiu (e você pode copiar)

Se você decidir replicar isso, o segredo não é o código em si, mas as regras de negócio que você define. Eu defini que qualquer nota que não fosse editada nos últimos 3 anos e não tivesse a tag "referência" era suspeita. O script iterou por mais de 12 mil itens em menos de 2 minutos. Em um notebook intermediário comum, o processamento é quase instantâneo.

Para os duplicados, usei uma biblioteca de diferença de texto (difflib). Se a nota A e a nota B tinham 95% de similaridade no conteúdo textual, o script mantinha a mais recente e movia o conteúdo único da antiga para um rodapé na nova. Isso salvou aquelas anotações de reunião onde eu atualizava o status linha por linha em notas separadas ao longo de uma semana. O resultado foi um arquivo enxuto, pronto para ser reimportado.

Claro, isso exige um pouco de conforto com o terminal, mas não é ciência de foguete. O código basicamente abria o arquivo, separava as notas em uma lista, aplicava os filtros e salvava um novo .enex. O risco aqui é o usuário sem nenhum conhecimento errar a mão e apagar tudo; por isso, o backup do arquivo original antes de rodar qualquer script é obrigatório.

O limbo das decisões humanas

O robô fez o trabalho pesado, mas não tomou as decisões finais sobre o que preservar sentimentalmente. Depois da primeira passagem do script, o banco caiu de 12.548 para 3.100 notas. Ainda era muito, mas agora eram 3.100 itens únicos e válidos. O restante do final de semana (o "dia 2" da minha história) foi gasto numa revisão manual acelerada.

Mesmo com a automação, tive que abrir a mão de guardar "para o futuro". Artigos técnicos de 2019 sobre frameworks que já morreram foram para o lixo. Manuais de aparelhos que eu não tenho mais foram deletados. O critério final foi: "Eu vou procurar isso especificamente no próximo ano?". A resposta era "não" na maioria das vezes.

Esse processo me ensinou que pagar R$ 54,90 por armazenamento na nuvem muitas vezes é apenas uma taxa de procrastinação. Ao final, fiquei com exatamente 1.842 notas. Todas consultáveis, todas com propósito.

O custo real da manutenção

Hoje, meu Evernote é um caderno de uso rápido, não um arquivo morto. O script de limpeza agora roda automaticamente no meu computador uma vez por mês, verificando notas sem tags ou com títulos genéricos como "Sem título". A diferença na usabilidade é abismal.

Não preciso mais de busca avançada para achar o número do mecânico; ele está na nota de carro, corretamente etiquetada. A migração forçada via Python não foi apenas uma limpeza de dados, foi uma reeducação de meu fluxo de trabalho. O script não resolve o problema de você acumular coisas, mas ele remove a barreira do medo de ter que organizar tudo manualmente, permitindo que você resete o sistema com zero atrito técnico.

Se você está paralisado diante de um acervo de notas gigante, pare de tentar organizar pastas. Exporte tudo, use a automação para matar o ruído e comece do zero. O histórico que importa sobreviverá.