Convertire PDF in file di testo in Power Automate: trasformare contratti scansionati in un corpus SharePoint ricercabile con PDF4me

PDF4me estrae testo e immagini è un'azione di Power Automate che restituisce il livello di testo di un PDF come array. Abbinato a OCR a monte e a un'unione di composizione a valle, questo flusso trasforma ogni PDF inserito in una raccolta di SharePoint in un PDF corrispondente .txt file pronto per la ricerca tramite intelligenza artificiale.

Cerca come fare questo e il primo risultato è quello di Microsoft Riferimento alle azioni PDF, che descrive Power Automate Desktop azioni. Non esistono in un flusso cloud. Questo singolo dettaglio è il motivo per cui i due risultati successivi sono un thread di Reddit e un thread della community di Power Platform in cui le persone pongono la stessa domanda senza ottenere una risposta diretta. Questo flusso è la risposta diretta e viene eseguito interamente nel cloud su connettori di livello standard.

Domande e risposte basate sul "perché"​

Cosa riceverai​

Ingresso: Qualsiasi file PDF inserito in una raccolta documenti di SharePoint, scansionato o creato in digitale, non richiede alcuna convenzione di denominazione. Produzione: un file di testo semplice per ogni PDF in una seconda libreria, contenente l'intero contenuto leggibile del documento.

RagInput. Trascina qui un PDF e il flusso avrà inizio.

RagText. Un file di testo semplice per ogni PDF, pronto per l'indicizzazione.

Ecco cosa risulta dall'altro lato del contratto di esempio, esattamente come è stato scritto su disco:

MASTER SERVICES AGREEMENT
 Between Initech LLC and Umbrella Inc.
Effective  date:  1 January 2026.  Auto-renews annually.
 Liability cap:  USD  100000. Confidentiality: 5 years.
 CLEAN TEST MARKER: PDF4ME-CLEAN-TEST-2026.

Presta attenzione agli spazi iniziali. L'OCR preserva gli spazi bianchi di impaginazione, il che va bene sia per la ricerca che per alimentare un modello linguistico. Eliminali in seguito se un parser successivo è particolarmente esigente.

Di cosa hai bisogno​

Il flusso in sintesi​

1. Quando viene creato un file (solo proprietà) (Trigger di SharePoint) con ambito /Shared Documents/RagInput.
2. Ottieni il contenuto del file utilizzando il grilletto Identifier.
3. PDF - Converti un PDF in un PDF modificabile utilizzando la tecnologia OCR con qualità Draft e OCR solo quando necessario true.
4. PDF - Estrazione di testo e immagini con testo estratto Yes e immagini estratte No.
5. Comporre correre un join() sul restituito texts vettore.
6. Crea file (SharePoint) scrittura .txt in /Shared Documents/RagText.

Panoramica completa del flusso​

L'OCR è l'unica fase lenta, con un tempo di 11 secondi. Le altre cinque si concludono in meno di mezzo secondo ciascuna.

Passaggio 1: Come si fa a monitorare una raccolta di SharePoint per la presenza di nuovi file PDF?​

Flusso finora: Ancora niente, questo è l'elemento scatenante.

Utilizzo Quando viene creato un file (solo proprietà)Si attiva quando vengono aggiunti nuovi elementi e restituisce i relativi metadati. Limitatelo a una sola cartella, perché un monitoraggio a livello di libreria si attiva per ogni caricamento effettuato da chiunque in quella libreria.

1. Crea un Flusso di nuvole automatizzato e scegliere Quando viene creato un file (solo proprietà).
2. Specificare:
   • Indirizzo del sito: https://ynoox1.sharepoint.com/sites/PDF4meSharepoints
   • Nome della biblioteca: scegliere Documenti dal menu a tendina
3. Aprire Parametri avanzati, aggiungere Cartellae impostalo su /Shared Documents/RagInput.

configurazione del trigger di SharePoint​

Il nome della libreria è la libreria stessa, Documenti. Il parametro Cartella sottostante restringe il campo di attivazione a una singola cartella al suo interno.

Passaggio 2: Perché è necessario ottenere il contenuto del file dopo l'attivazione?​

Flusso finora: Attivatore SharePoint.

Il trigger solo proprietà passa i metadati, non il documento. Ottieni contenuto file scambia il trigger Identifier per i byte effettivi di cui PDF4me ha bisogno.

1. Aggiungere SharePoint > Ottieni il contenuto del file.
2. Specificare:
   • Indirizzo del sito: lo stesso sito del trigger
   • Identificatore del file: Identifier dal grilletto
3. Aprire Parametri avanzati e impostare Dedurre il tipo di contenuto A Yes.

Ottieni la configurazione del contenuto del file​

Dedurre il tipo di contenuto Sì è ciò che assegna all'azione successiva byte PDF reali invece di un blocco generico.

Passaggio 3: Perché eseguire l'OCR prima di estrarre il testo?​

Flusso finora: Attivazione di SharePoint più acquisizione del contenuto del file.

Una pagina scansionata è un'immagine. Non c'è testo da estrarre finché l'OCR non sovrappone un livello di testo. Questa operazione fa proprio questo, ed è abbastanza intelligente da non modificare i PDF già leggibili.

1. Aggiungere PDF - Converti un PDF in un PDF modificabile utilizzando la tecnologia OCR.
2. Specificare:
   • Contenuto del file: File Content da Ottieni il contenuto del file
   • Nome del file: il token del nome file del trigger
   • Tipo di qualità: Draft
   • OCR solo quando necessario: true
   • Lingua: lasciare vuoto a meno che i documenti non siano in inglese
   • È asincrono: No

Parametri OCR​

Qui QualityType è impostato su Draft. Su una scansione pulita, la qualità di lettura è pari a quella di High, ma richiede meno tempo.

Passaggio 4: Come restituisce il testo la funzione "Estrai testo e immagini"?​

Flusso finora: Attivazione di SharePoint, acquisizione del contenuto del file e OCR.

Questa azione legge il livello di testo e lo restituisce come un array chiamato textsPuntalo sull'output OCR, non su "Ottieni contenuto file", altrimenti le pagine scansionate risulteranno vuote.

1. Aggiungere PDF - Estrazione di testo e immagini.
2. Specificare:
   • Contenuto del file: File Content dal azione OCR
   • Nome del file: il token del nome file del trigger
   • Testo estratto: Yes
   • Estrai immagini: No

Parametri di estrazione di testo e immagini​

Osservate le icone. Il contenuto del file riporta il marchio PDF4me perché proviene da un sistema OCR. Il nome del file riporta il marchio SharePoint perché proviene dal trigger.

Passaggio 5: Come si trasforma l'array di testi in un'unica stringa?​

Flusso finora: Attivazione di SharePoint più Recupera contenuto file più OCR più Estrai testo e immagini.

texts è un array. Un file ha bisogno di una stringa. Uno espressione di unione collega i due.

1. Aggiungi un Comporre azione.
2. In Input, passa all'editor di espressioni e incolla:

join(body('PDF_-_Extract_Text_and_Images')?['texts'], decodeUriComponent('%0A'))

3. Fare clic Aggiornamento.

IL decodeUriComponent('%0A') Ecco come si scrive un'interruzione di riga letterale in un'espressione di Power Automate. Non esiste una sequenza di escape per questo, quindi questa è la convenzione.

Composizione della configurazione​

Il nome dell'azione all'interno di body() utilizza i trattini bassi per gli spazi e i trattini. Rinomina l'azione e questa espressione smetterà di funzionare.

Passaggio 6: Come si salva il testo come file .txt in SharePoint?​

Flusso finora: Attivazione di SharePoint più Ottieni contenuto file più OCR più Estrai testo e immagini più Componi.

L'ultimo passaggio consiste nello scrivere la stringa unita in una seconda libreria.

1. Aggiungere SharePoint > Crea file.
2. Specificare:
   • Indirizzo del sito: stesso sito del trigger
   • Percorso cartella: /Shared Documents/RagText
   • Nome del file: il token del nome file del trigger seguito dal testo letterale .txt
   • Contenuto del file: IL Comporre token di output

Configurazione del file di creazione di SharePoint​

Il contenuto del file è l'output di Compose, contrassegnato dall'icona viola relativa alle operazioni sui dati, e non proviene da PDF4me. Il testo è già stato assemblato a questo punto.

Esegui il flusso e verifica​

1. Salva il flusso in alto a destra.
2. Caricamento contract-sample.pdf nella cartella di input. Il trigger esegue dei sondaggi, quindi attendi un minuto.
3. Apri il flusso storia della corsa e verifica che tutte e sei le azioni abbiano un segno di spunta verde. L'OCR sarà quella più lenta.
4. Aprire /Shared Documents/RagText. UN .txt Il file dovrebbe trovarsi lì. Aprilo e cerca PDF4ME-CLEAN-TEST-2026Se quel marcatore è presente, sia l'OCR che l'estrazione hanno funzionato correttamente dall'inizio alla fine.

Varianti comuni che puoi aggiungere senza dover ricostruire​

Domande frequenti​

Power Automate è in grado di estrarre testo da un file PDF?​

Non da solo in un flusso cloud. Le azioni PDF nella documentazione di Microsoft appartengono a Power Automate Desktop e non sono disponibili nei flussi cloud, motivo per cui così tante discussioni della community su questo argomento rimangono irrisolte. L'aggiunta del connettore PDF4me conferisce a un flusso cloud una reale Estrai testo e immagini azione che restituisce il testo del documento come array.

L'intera estrazione avviene in un'unica operazione. I cinque passaggi circostanti consistono semplicemente nello spostamento del file in ingresso e del testo in uscita.

Come estrarre testo da un PDF utilizzando Power Automate?​

Attiva il nuovo file, recupera i suoi byte con Ottieni il contenuto del file, correre Convertire un PDF in un PDF modificabile utilizzando la tecnologia OCR. quindi le pagine scansionate ottengono un livello di testo, quindi esegui Estrai testo e immagini con Estrai testo impostato su Yes. Ciò restituisce un texts array. Uniscilo con un'espressione Compose se desideri testo anziché un array.

Imposta la fase di estrazione sull'output dell'azione OCR anziché sul file scaricato. Il riutilizzo della copia scaricata è il motivo per cui i documenti scansionati risultano vuoti.

Power Automate è in grado di eseguire l'OCR?​

Un flusso cloud non ha un'azione OCR nativa. AI Builder ne offre una su una licenza premium a consumo, e Power Automate Desktop ha un proprio motore OCR legato a una macchina. PDF4me Convertire un PDF in un PDF modificabile utilizzando la tecnologia OCR. L'azione viene eseguita in un flusso cloud di livello standard senza il coinvolgimento di alcuna macchina.

Suo OCR solo quando necessario L'impostazione è un aspetto che vale la pena conoscere. Imposta su true, analizza ogni file e salta l'OCR quando esiste già un livello di testo, quindi una libreria mista non paga il costo per ogni documento.

Perché Power Automate non riesce a estrarre il testo dai PDF?​

Quasi tutti i casi sono riconducibili a tre cause. Il documento è una scansione e non è mai stato sottoposto a OCR, quindi non c'è effettivamente alcun testo da estrarre. La fase di estrazione legge il file scaricato anziché l'output OCR, producendo lo stesso risultato vuoto anche con un input scansionato. Oppure il testo è arrivato correttamente, ma è stato scritto nel file come un array grezzo, quindi appare come un file JSON anziché come un documento.

Apri la cronologia delle esecuzioni e controlla direttamente l'output di Estrai testo e immagini. Se texts Il contenuto è presente, il problema si trova più a valle, nella fase di composizione o creazione del file.

Come si converte un file PDF in un file di testo gratuitamente?​

Per un singolo documento, qualsiasi convertitore online è sufficiente. La ragione per cui è stato creato questo flusso è il volume e la ripetitività: viene eseguito automaticamente su ogni file che arriva nella cartella, gestisce le scansioni e non richiede la presenza di un operatore alla tastiera. Il piano gratuito di PDF4me copre un numero significativo di documenti al mese e tutti i connettori utilizzati sono di livello standard, quindi non è necessaria alcuna licenza premium di Power Automate.

Risoluzione dei problemi​

Prossimi passi​

Lo stesso schema in sei fasi (monitorare una cartella, recuperare, OCR, estrarre, appiattire, salvare) trasforma qualsiasi raccolta di documenti in un corpus leggibile da una macchina.