ForHosting KIT · PDF e documentos

Como extrair o texto puro de um DOCX

Extrair o texto de um DOCX sem abrir o Word é a base de qualquer automação com documentos: indexar currículos, alimentar buscadores, analisar contratos em lote. O serviço descarta a formatação e devolve só o conteúdo, em texto puro, na ordem em que aparece no documento original.

● Estávelpor documentoUS$ 0,052

Executar — US$ 0,052 + US$ 0,003/documento 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.

Para que serve texto sem formatação

Sistemas não leem negrito — leem caracteres. Quando o objetivo é buscar, classificar, comparar ou alimentar um modelo de linguagem, a formatação do Word é ruído: o que importa é o conteúdo em estado bruto. A extração entrega exatamente isso: os parágrafos do documento em texto puro, sem estilos, sem marcação, prontos para entrar em um índice de busca, um banco de dados ou um pipeline de análise.

O que vem na extração

O corpo do documento sai completo e em ordem: parágrafos, títulos (como texto), listas e o conteúdo das tabelas, linearizado linha a linha. Imagens e elementos gráficos ficam de fora — texto puro é texto puro. Para a maioria dos usos (indexação, análise, migração), isso é precisamente o desejado: nada de limpar HTML nem lutar com estilos herdados de dez edições.

Um documento por chamada, milhares por noite

O desenho é para escala: cada chamada processa um DOCX e devolve o texto, e o seu sistema encadeia quantas precisar. Uma rotina noturna extrai o conteúdo de todos os documentos recebidos no dia — currículos, propostas, atas — e de manhã a base de busca está atualizada. Sem Office instalado em servidor, sem macro frágil, sem abrir arquivo por arquivo.

Quanto custa e quando abre

O preço publicado: US$ 0,052 por chamada mais US$ 0,003 por documento — cada extração fecha em US$ 0,055. Processar os 300 currículos de uma vaga concorrida custa US$ 16,50. Limites: 25 MB e 200 páginas por arquivo. Ponto de honestidade: a capacidade está em implantação e ainda não aceita execuções; publicar o preço antes é proposital, para você orçar a integração sem surpresa.

Casos de uso

Currículos pesquisáveis no sistema do RH

O RH de uma rede varejista recebe centenas de currículos em DOCX por vaga. A extração noturna joga o texto de cada um no índice de busca interno: a recrutadora digita “Excel avançado Recife” e encontra os candidatos na hora.

Contratos analisados em lote pelo jurídico

O jurídico de uma construtora extrai o texto de 400 contratos de fornecedores para localizar quais contêm cláusula de reajuste pelo IGP-M. Sem extração, seriam semanas de abrir arquivo por arquivo.

Migração de intranet sem copiar e colar

Uma cooperativa migra 2.000 documentos internos do formato Word para a nova base de conhecimento. A extração em massa entrega o conteúdo limpo, pronto para importação — a formatação antiga, que ninguém queria manter, fica para trás.

Atas alimentando um assistente de busca interna

Uma associação extrai o texto das atas de reunião dos últimos cinco anos para alimentar sua busca semântica interna. Perguntas como “quando aprovamos a reforma do telhado?” passam a ter resposta em segundos.

Perguntas frequentes

A extração preserva negrito, cores e estilos?

Não, e é de propósito: a saída é texto puro, sem formatação. Se você precisa do documento com visual, o caminho é outra ferramenta — esta existe para alimentar sistemas.

O conteúdo das tabelas do Word vem junto?

Vem, linearizado: o texto das células sai em sequência, linha a linha, integrado ao fluxo do documento.

Serve para processar currículos em massa?

É um dos usos mais comuns. Cada chamada extrai um documento; seu sistema encadeia o lote e monta a base pesquisável — 300 currículos custam US$ 16,50.

O texto sai na mesma ordem do documento?

Sim, na ordem de leitura: títulos, parágrafos, listas e tabelas aparecem na sequência em que estão no DOCX.

Currículos têm dado pessoal. Como vocês tratam isso?

O documento existe no serviço apenas durante o processamento e a retirada do resultado; depois é eliminado, sem cópia nem uso secundário. Tratamento aderente à LGPD.

Está funcionando agora ou ainda vai abrir?

Ainda vai abrir: a capacidade está em fase de implantação e não aceita execuções no momento. O preço publicado é o que valerá na estreia.

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/doc/docx-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/doc/docx-to-text \
  -H "Authorization: Bearer $KIT_KEY" \
  -H "Content-Type: application/json" \
  -d &#39;{"input":"…"}'

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

import os, requests

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

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

body := bytes.NewBufferString(`{"input":"…"}`)
req, _ := http.NewRequest("POST", "https://api.kit.forhosting.com/doc/docx-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

{
  "input": "…"
}

Exemplo de resposta

{
  "task_id": "tsk_a1b2c3d4e5f6a1b2c3d4e5f6",
  "type": "doc.docx_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$ 0,052

por documentoUS$ 0,003

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.

Ver a documentação completa do KIT →