ForHosting KIT · PDF e documentos

Extrair texto de PDF

Esta ferramenta puxa todo o texto de um PDF e devolve o conteúdo puro, sem formatação, pronto para indexar, analisar ou colar onde você precisar. Funciona com documentos digitais — aqueles em que dá para selecionar o texto — e processa até 200 páginas de uma vez por US$ 0,002 a chamada.

● Estávelpor páginaUS$ 0,002

Executar — US$ 0,002 Ver a API

Use pelo WebAPIE-mailApp em breveTelegram em breve

Rode online

Rode nos nossos servidores com a sua conta. As ferramentas grátis rodam no seu navegador; esta aqui é descontada do seu saldo do KIT pelo preço acima.

Digital sim, escaneado não

Um PDF digital carrega o texto dentro de si: é o caso de contratos gerados no computador, faturas emitidas por sistema, artigos baixados da internet. Um PDF escaneado é fotografia de papel — não tem texto embutido, e esta extração devolverá pouco ou nada dele. O teste é simples: se você consegue selecionar o texto com o mouse no seu leitor, a extração funciona. Se não consegue, o documento precisa de reconhecimento óptico, que é outra etapa.

O que fazer com o texto extraído

Texto puro é matéria-prima universal: alimenta a busca interna do seu sistema, entra em planilhas de conferência, serve de insumo para análise com IA, permite localizar cláusulas em centenas de contratos de uma vez. Também resolve o incômodo cotidiano de copiar conteúdo de um PDF que embaralha a seleção — a extração devolve o texto corrido, na ordem das páginas, sem você brigar com o mouse.

Extração em lote

O fluxo em escala é o ponto forte: uma chamada por documento, e a pasta inteira de PDFs vira uma base de texto pesquisável. Um acervo de 3.000 contratos custa US$ 6 para extrair por completo. Cada arquivo pode ter até 25 MB e 200 páginas; acima disso, divida o documento antes de enviar.

Preço sem letra miúda

US$ 0,002 por chamada — o preço publicado é o cobrado, sem assinatura, franquia ou surpresa. Não há versão grátis desta capacidade: ela existe para rodar dentro de sistemas, via API, e o modelo é pagar por uso. Para estimar seu custo mensal, multiplique o número de documentos processados por US$ 0,002 e pronto: essa é a conta inteira.

Casos de uso

Conferência de faturas no escritório contábil

Um contador de Porto Alegre extrai o texto das faturas em PDF dos clientes e cruza os valores com a planilha de lançamentos. O que era conferência visual, linha por linha, virou verificação automática.

Busca interna em contratos

O jurídico da Distribuidora Horizonte Verde extraiu o texto de todos os contratos ativos. Hoje, localizar quais deles citam “reajuste pelo IPCA” é uma busca de segundos, não uma tarde de leitura.

Insumo para análise com IA

Uma startup alimenta seu assistente interno com o conteúdo de manuais e políticas da empresa. O primeiro passo do fluxo é a extração do texto de cada PDF — automática, a cada documento novo.

Pesquisa acadêmica sem retrabalho

Um mestrando extrai o texto de dezenas de artigos para montar seu fichamento. Citações saem limpas, sem as quebras de linha malucas que vêm do copiar-e-colar direto do leitor.

Perguntas frequentes

Como sei se meu PDF é digital ou escaneado?

Tente selecionar o texto no leitor: se o cursor marca as palavras, é digital e a extração funciona. Se a seleção vira um retângulo sobre a imagem, é escaneado — e aí o caminho é o reconhecimento óptico, não esta extração.

As tabelas do documento saem organizadas?

Saem como texto corrido, na ordem de leitura — sem a grade. Para tabelas com estrutura preservada, o mais indicado é uma conversão estruturada; a extração pura prioriza velocidade e custo baixo.

Acentos e cedilha vêm corretos?

Sim, o texto é devolvido com a codificação preservada: “ação”, “número” e “São Paulo” saem como devem. Se o PDF de origem tiver fontes corrompidas, o defeito já estava no arquivo — e é raro.

Qual o custo para uma base grande de documentos?

US$ 0,002 por documento: 10.000 PDFs custam US$ 20. Pagamento por uso com preço publicado; não existe plano, mínimo nem taxa de adesão.

O texto dos meus documentos fica com vocês?

Não — o arquivo é processado para devolver o texto e o tratamento termina aí. Nada de reutilização, treinamento ou repasse: finalidade única e dado mínimo, na linha do que a LGPD estabelece.

Tem limite de páginas por arquivo?

Sim: 200 páginas e 25 MB por documento. Arquivos maiores devem ser divididos antes do envio — o preço por chamada continua o mesmo para cada parte.

Para desenvolvedores — acesso via API

Tudo nesta página está disponível via API. Esta seção é para equipes que querem integrar a ferramenta aos próprios sistemas; quem não precisa disso pode simplesmente usar a ferramenta acima.

Endpoint

POSThttps://api.kit.forhosting.com/pdf/to-text

Autenticação por token Bearer. Um único POST coloca a tarefa na fila; o resultado chega por webhook ou link assinado.

Chame do seu código

curl -X POST https://api.kit.forhosting.com/pdf/to-text \
  -H "Authorization: Bearer $KIT_KEY" \
  -H "Content-Type: application/json" \
  -d &#39;{"pdf":"https://ejemplo.com/documento.pdf"}'

const res = await fetch("https://api.kit.forhosting.com/pdf/to-text", {
  method: "POST",
  headers: {
    "Authorization": `Bearer ${process.env.KIT_KEY}`,
    "Content-Type": "application/json"
  },
  body: JSON.stringify({
    "pdf": "https://ejemplo.com/documento.pdf"
  })
});
const { task_id } = await res.json();

import os, requests

res = requests.post(
    "https://api.kit.forhosting.com/pdf/to-text",
    headers={"Authorization": f"Bearer {os.environ[&#39;KIT_KEY']}"},
    json={
    "pdf": "https://ejemplo.com/documento.pdf"
},
)
task_id = res.json()["task_id"]

<?php
$res = file_get_contents("https://api.kit.forhosting.com/pdf/to-text", false, stream_context_create([
  "http" => [
    "method"  => "POST",
    "header"  => "Authorization: Bearer " . getenv("KIT_KEY") . "\r\nContent-Type: application/json",
    "content" => &#39;{"pdf":"https://ejemplo.com/documento.pdf"}',
  ],
]));
$task = json_decode($res, true);

body := bytes.NewBufferString(`{"pdf":"https://ejemplo.com/documento.pdf"}`)
req, _ := http.NewRequest("POST", "https://api.kit.forhosting.com/pdf/to-text", body)
req.Header.Set("Authorization", "Bearer "+os.Getenv("KIT_KEY"))
req.Header.Set("Content-Type", "application/json")
res, _ := http.DefaultClient.Do(req)

Exemplo de requisição

{
  "pdf": "https://ejemplo.com/documento.pdf"
}

Exemplo de resposta

{
  "task_id": "tsk_a1b2c3d4e5f6a1b2c3d4e5f6",
  "type": "pdf.to_text",
  "status": "queued",
  "_links": {
    "result": "/tasks/tsk_…/result"
  }
}

A API é assíncrona: cada chamada devolve um task_id na hora. Se preferir polling, consulte o status a até 1 requisição por segundo.

Preço

por chamadaUS$ 0,002

Preço publicado, sem tokens nem créditos escondidos. Tarefa que falha não é cobrada.

Limites

`max_mb`	25
`max_pages`	200

Erros

HTTP	Código	O que significa
`401`	`unauthorized`	Token ausente ou inválido. Confira o header Authorization.
`402`	`insufficient_balance`	Saldo insuficiente para esta tarefa. Faça uma recarga e tente de novo.
`404`	`unknown_type`	Esse tipo de tarefa não existe. Confira o campo type no catálogo.
`429`	`rate_limited`	Muitas requisições em pouco tempo. Espere um instante e tente de novo.
`413`	`input_too_large`	A entrada passou do tamanho máximo desta tarefa. Confira os limites publicados.

Ver a documentação completa do KIT →