Extrair texto de PDFs no Power Automate: incluindo documentos digitalizados e baseados em imagens.

Você tem PDFs no Dropbox, SharePoint ou em e-mails, alguns com texto simples, outros digitalizados ou baseados em imagens, e precisa exportar o texto de forma contínua e confiável. O problema: PDFs baseados em imagens não possuem texto selecionável.Eles precisam de OCR primeiro. Depois que puderem ser pesquisados, PDF4me Extrai Texto e Imagens puxa tudo para dentro uma chamadaSem segunda leitura, sem desperdício de créditos da API.

Este guia apresenta um fluxo de trabalho que abrange ambas as situações: acionar → obter conteúdo do arquivo (Dropbox) → Converter PDF em PDF editável usando OCR (para documentos digitalizados) → Extrair texto e imagens (PDF4me). Você obtém a estrutura de saída exata e links para solucionar problemas e testar a API por conta própria.

Por que uma única ligação faz a diferença.​

Ao criar fluxos que dividem documentos, renomeiam arquivos ou encaminham conteúdo, muitas vezes é necessário extrair texto e imagens de cada PDF. Reler cada documento em um loop consome chamadas de API e torna os fluxos mais lentos. Extrair texto e imagens Retorna o conteúdo de texto e as imagens incorporadas em uma única resposta. Você obtém tudo o que precisa: texto, nomes de arquivos de imagem e dados de imagem em Base64, permitindo que ações subsequentes renomeiem, direcionem ou arquivem os dados sem necessidade de leituras adicionais.

O que você precisa?​

O Fluxo em Resumo (4 Etapas).​

1. Acionar um fluxo manualmenteInicie o fluxo sob demanda (ou use Quando um arquivo é criado no Dropbox para automação).
2. Obter o conteúdo do arquivo usando o caminho (Dropbox): Busca o PDF a partir de um caminho como /pdf4metest/extracttext/image to pdf.pdf.
3. PDF: Converter PDF em PDF editável usando OCR (PDF4me): Converte PDFs digitalizados/baseados em imagens em texto pesquisável. Ignore esta etapa se seus PDFs já permitirem busca por texto.
4. PDF: Extrair texto e imagens (PDF4me): Retorna o texto completo e todas as imagens incorporadas em uma única resposta.

Entrada: Um único PDF (com base em imagens ou em texto). Saída: Conteúdo do texto em texts matriz e imagens em images matriz com fileName e streamFile (Base64).

Exemplo de entrada: PDF baseado em imagens com texto extraível após OCR.

---

Passo 1: Acionar + Obter Conteúdo do Arquivo.​

Fluxo até o momento: Gatilho → Obter conteúdo do arquivo.

1. Adicionar Acionar um fluxo manualmente (ou Quando um arquivo é criado no Dropbox para automação).
2. Adicionar Dropbox → Obter o conteúdo do arquivo usando o caminho.
3. Parâmetros:

• Caminho do arquivo *Insira o caminho para o seu PDF, por exemplo: /pdf4metest/extracttext/image to pdf.pdfUse o ícone da pasta para navegar, se necessário.
• Parâmetros avançados → Inferir tipo de conteúdo: Definir para Sim.

4. Conexão: Garantir Conectado ao Dropbox.

A saída é o conteúdo do arquivo (binário). Mapeie-o para Conteúdo do arquivo na ação OCR (e posteriormente em Extrair Texto e Imagens).

---

Etapa 2: Converter PDF em PDF editável usando OCR (para PDFs baseados em imagens).​

Fluxo até o momento: Gatilho → Obter conteúdo do arquivo → Converter PDF em PDF editável usando OCR.

Se o seu PDF for digitalizado ou baseado em imagens, adicione esta etapa para que o texto se torne pesquisável antes da extração. Se o seu PDF já contiver texto selecionável, tente copiar uma palavra em um leitor de PDF; você pode pular para a Etapa 3 e passar o conteúdo do arquivo diretamente para a opção Extrair Texto e Imagens.

1. Adicionar PDF4me → PDF: Converter PDF em PDF editável usando OCR.
2. Parâmetros:

• Conteúdo do arquivo *Mapa Obter o conteúdo do arquivo usando o caminho saída (o binário PDF).
• Nome do arquivo *Digite um nome como Test.pdf ou o nome do arquivo de origem.
• Tipo de qualidade: Rascunho para PDFs normais (1 chamada de API por arquivo) ou Alto Para PDFs digitalizados/baseados em imagens (2 chamadas de API por página).
• OCR somente quando necessário: falso executar sempre o OCR, ou Sim Ignorar se o PDF já for pesquisável (economiza chamadas à API).
• Linguagem: Defina para o idioma do documento de origem (por exemplo, en) se necessário para uma melhor precisão do OCR.
• É assíncrono: Não Para fluxos síncronos (recomendado).

3. Conexão: Conectado ao PDF4me PDF.

---

Etapa 3: Extrair texto e imagens.​

Fluxo até o momento: … → Converter PDF em PDF editável usando OCR → Extrair texto e imagens.

1. Adicionar PDF4me → PDF: Extrair texto e imagens.
2. Parâmetros:

• Conteúdo do arquivo *Mapeie a saída de Converter PDF em PDF editável usando OCR (ou diretamente de Obter conteúdo do arquivo (se você pulou o OCR).
• Nome do arquivo *Digite um nome como New.pdf ou o nome do arquivo de origem.
• Texto extraído: Sim para extrair texto.
• Extrair imagens: Sim para extrair imagens incorporadas (ou Não (se você precisar apenas do texto).

3. Conexão: Conectado ao PDF4me PDF.

Saída: A ação retorna corpo com:

• textos: Matriz de strings com todo o texto extraído (quebras de linha como \n).
• imagens: Matriz de objetos: fileName (por exemplo page001_image001.jpg) e streamFile (Base64). Utilize-os em ações subsequentes para salvar ou processar as imagens.

---

Parâmetros e Referência de Saída.​

Aqui está um guia rápido com o que usamos. Ajuste essas informações para se adequarem à sua configuração.

Para obter detalhes completos sobre os parâmetros, consulte Extrair texto e imagens: Power Automate e Converter PDF em PDF editável usando OCR.

---

Solução de problemas.​

Às vezes as coisas dão errado. Veja o que geralmente resolve o problema:

---

Experimente a API interativamente.​

Teste a API Extract Text and Images sem o Power Automate usando nosso Testes de APIFaça o upload de um PDF e veja a resposta:

---

Próximos passos.​