Converter PDF em arquivo de texto no Power Automate: Transforme contratos digitalizados em um acervo pesquisável do SharePoint com o PDF4me.

PDF4me Extrai Texto e Imagens é uma ação do Power Automate que retorna a camada de texto de um PDF como uma matriz. Combinada com OCR a montante e uma junção Compose a jusante, essa ação transforma cada PDF adicionado a uma biblioteca do SharePoint em um documento correspondente. .txt Arquivo pronto para busca por IA.

Pesquise como fazer isso e o primeiro resultado será o da própria Microsoft. Referência de ações em PDF, que descreve o Power Automate Área de trabalho Ações. Elas não existem em um fluxo na nuvem. Esse único detalhe é o motivo pelo qual os dois próximos resultados são um tópico do Reddit e um tópico da comunidade do Power Platform, ambos com pessoas fazendo a mesma pergunta e não obtendo uma resposta direta. Este fluxo é a resposta direta e é executado inteiramente na nuvem, em conectores de nível padrão.

Perguntas e respostas baseadas no "porquê".​

O que você receberá​

Entrada: Qualquer PDF inserido em uma biblioteca de documentos do SharePoint, seja digitalizado ou originalmente digital, não requer nenhuma convenção de nomenclatura. Saída: Um arquivo de texto simples por PDF em uma segunda biblioteca, contendo todo o conteúdo legível do documento.

RagInput. Arraste e solte um PDF aqui e o fluxo começará.

RagText. Um arquivo de texto simples por PDF, pronto para indexação.

Eis o resultado do contrato de exemplo, exatamente como foi gravado no 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.

Observe os espaços iniciais. O OCR preserva os espaços em branco do layout, o que é adequado para a busca e para alimentar um modelo de linguagem. Remova-os posteriormente, caso um analisador sintático subsequente seja exigente.

Do que você precisa​

O Fluxo em Resumo​

1. Quando um arquivo é criado (somente propriedades) (Gatilho do SharePoint) com escopo definido para /Shared Documents/RagInput.
2. Obter conteúdo do arquivo usando o gatilho Identifier.
3. PDF - Converter PDF em PDF editável usando OCR com qualidade Draft e OCR somente quando necessário. true.
4. PDF - Extrair texto e imagens com Extrair Texto Yes e Extrair Imagens No.
5. Compor executando um join() sobre o retornado texts variedade.
6. Criar arquivo (SharePoint) escrita .txt em /Shared Documents/RagText.

Visão geral completa do fluxo​

A única prova lenta é a OCR, com 11 segundos. As outras cinco terminam em menos de meio segundo cada.

Passo 1: Como monitorar uma biblioteca do SharePoint em busca de novos PDFs?​

Fluxo até o momento: Nada ainda, este é o gatilho.

Usar Quando um arquivo é criado (somente propriedades)Ele é acionado em novos itens e retorna seus metadados. Limite-o a uma pasta específica, pois um monitoramento em toda a biblioteca é acionado a cada upload realizado por qualquer pessoa em qualquer lugar dessa biblioteca.

1. Crie um Fluxo de nuvem automatizado e escolha Quando um arquivo é criado (somente propriedades).
2. Configurar:
   • Endereço do site: https://ynoox1.sharepoint.com/sites/PDF4meSharepoints
   • Nome da biblioteca: escolha Documentos a partir do menu suspenso
3. Abrir Parâmetros avançados, adicionar Pastae configure-o para /Shared Documents/RagInput.

Configuração de gatilho do SharePoint​

O nome da biblioteca é a própria biblioteca, Documentos. O parâmetro Pasta abaixo restringe o gatilho a uma pasta específica dentro dela.

Passo 2: Por que você precisa obter o conteúdo do arquivo após o gatilho?​

Fluxo até o momento: Gatilho do SharePoint.

O gatilho que envia apenas propriedades entrega metadados, não o documento. O gatilho que envia o conteúdo do arquivo troca os metadados do documento. Identifier para os bytes reais que o PDF4me precisa.

1. Adicionar SharePoint > Obter conteúdo do arquivo.
2. Configurar:
   • Endereço do site: o mesmo local que o gatilho
   • Identificador do arquivo: Identifier do gatilho
3. Abrir Parâmetros avançados e definir Inferir tipo de conteúdo para Yes.

Obter configuração de conteúdo do arquivo​

A opção "Inferir tipo de conteúdo: Sim" é o que permite que a próxima ação forneça bytes reais do PDF em vez de um blob genérico.

Etapa 3: Por que executar o OCR antes de extrair o texto?​

Fluxo até o momento: Gatilho do SharePoint mais Obter conteúdo do arquivo.

Uma página digitalizada é uma imagem. Não há texto para extrair até que o OCR adicione uma camada de texto sobre ela. Esta ação faz isso e é inteligente o suficiente para não danificar PDFs já legíveis.

1. Adicionar PDF - Converter PDF em PDF editável usando OCR.
2. Configurar:
   • Conteúdo do arquivo: File Content de Obter conteúdo do arquivo
   • Nome do arquivo: o token do nome do arquivo do gatilho
   • Tipo de qualidade: Draft
   • OCR somente quando necessário: true
   • LinguagemDeixe em branco, a menos que seus documentos não estejam em inglês.
   • É assíncrono: No

parâmetros OCR​

O QualityType está definido como Draft aqui. Em uma digitalização limpa, a leitura é tão boa quanto a de Alta Qualidade e leva menos tempo.

Etapa 4: Como o programa Extrair Texto e Imagens retorna o texto?​

Fluxo até o momento: Gatilho do SharePoint mais Obter conteúdo do arquivo mais OCR.

Esta ação lê a camada de texto e a retorna como uma matriz chamada textsAponte para a saída do OCR, e não para "Obter conteúdo do arquivo", ou as páginas digitalizadas retornarão vazias.

1. Adicionar PDF - Extrair texto e imagens.
2. Configurar:
   • Conteúdo do arquivo: File Content do ação OCR
   • Nome do arquivo: o token do nome do arquivo do gatilho
   • Texto extraído: Yes
   • Extrair imagens: No

Parâmetros de extração de texto e imagens​

Observe os ícones. O conteúdo do arquivo exibe a marca PDF4me porque provém do OCR. O nome do arquivo exibe a marca SharePoint porque provém do gatilho.

Passo 5: Como transformar a matriz de textos em uma única string?​

Fluxo até o momento: Gatilho do SharePoint + Obter conteúdo do arquivo + OCR + Extrair texto e imagens.

texts é uma matriz. Um arquivo precisa de uma string. Um expressão de junção une os dois.

1. Adicionar um Compor Ação.
2. Em Entradas, mude para o editor de expressões e cole:

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

3. Clique Atualizar.

O decodeUriComponent('%0A') É assim que você escreve uma quebra de linha literal em uma expressão do Power Automate. Não existe uma sequência de escape para isso, então essa é a forma idiomática.

Compor configuração​

O nome da ação dentro de body() usa sublinhados para espaços e hífenes. Renomeie a ação e essa expressão deixará de funcionar.

Passo 6: Como salvar o texto como um arquivo .txt no SharePoint?​

Fluxo até o momento: Gatilho do SharePoint + Obter conteúdo do arquivo + OCR + Extrair texto e imagens + Compor.

A última etapa grava a string resultante da junção em uma segunda biblioteca.

1. Adicionar SharePoint > Criar arquivo.
2. Configurar:
   • Endereço do site: mesmo local que o gatilho
   • Caminho da pasta: /Shared Documents/RagText
   • Nome do arquivo: o token do nome do arquivo do gatilho seguido pelo texto literal .txt
   • Conteúdo do arquivo: o Compor token de saída

Configuração de criação de arquivo do SharePoint​

O conteúdo do arquivo é a saída da função Compose, representada pelo ícone roxo de operação de dados, e não algo proveniente do PDF4me. O texto já foi montado neste ponto.

Execute o fluxo e verifique.​

1. Salvar o fluxo no canto superior direito.
2. Carregar contract-sample.pdf na pasta de entrada. O gatilho verifica, então aguarde um minuto.
3. Abra o fluxo histórico de execução e verifique se todas as seis ações têm um visto verde. OCR será a mais lenta.
4. Abrir /Shared Documents/RagText. Um .txt O arquivo deve estar lá. Abra-o e procure por PDF4ME-CLEAN-TEST-2026Se esse marcador estiver presente, o OCR e a extração funcionarão perfeitamente do início ao fim.

Variações comuns que você pode adicionar sem reconstruir​

Perguntas frequentes​

O Power Automate consegue extrair texto de um PDF?​

Não funciona isoladamente em um fluxo na nuvem. As ações de PDF na documentação da Microsoft pertencem ao Power Automate Desktop e não estão disponíveis em fluxos na nuvem, razão pela qual tantas discussões na comunidade sobre esse assunto permanecem sem solução. Adicionar o conector PDF4me confere ao fluxo na nuvem uma funcionalidade realmente útil. Extrair texto e imagens Ação que retorna o texto do documento como uma matriz.

A extração completa é uma única ação. Os cinco passos seguintes consistem apenas em mover o arquivo para dentro e o texto para fora.

Como extrair texto de um PDF usando o Power Automate?​

Acione o gatilho no novo arquivo e obtenha seus bytes com Obter conteúdo do arquivo, correr Converter PDF em PDF editável usando OCR Assim, as páginas digitalizadas recebem uma camada de texto e, em seguida, são executadas. Extrair texto e imagens com a opção Extrair Texto definida como YesIsso retorna um texts array. Combine-o com uma expressão Compose se desejar texto em prosa em vez de um array.

Configure a etapa de extração para usar a saída da ação OCR em vez do arquivo baixado. Reutilizar a cópia baixada é o motivo pelo qual os documentos digitalizados retornam vazios.

O Power Automate consegue realizar OCR?​

Um fluxo de trabalho na nuvem não possui ação OCR nativa. O AI Builder oferece uma em uma licença premium com limite de créditos, e o Power Automate Desktop tem seu próprio mecanismo OCR vinculado a uma máquina. O PDF4me Converter PDF em PDF editável usando OCR A ação é executada em um fluxo de nuvem de nível padrão, sem envolver nenhuma máquina.

Isso é OCR somente quando necessário É importante conhecer as configurações. Defina para trueEle inspeciona cada arquivo e ignora o OCR quando já existe uma camada de texto, portanto, uma biblioteca mista não paga o custo em todos os documentos.

Por que a extração de texto de PDF no Power Automate não está funcionando?​

Quase todos os casos envolvem três causas. O documento é uma digitalização e nunca passou por OCR, portanto, não há texto algum para ser encontrado. A etapa de extração está lendo o arquivo baixado em vez da saída do OCR, o que produz o mesmo resultado vazio na entrada digitalizada. Ou o texto chegou corretamente, mas foi gravado no arquivo como uma matriz bruta, parecendo um JSON em vez de um documento.

Abra o histórico de execução e inspecione diretamente a saída de Extrair Texto e Imagens. Se texts O conteúdo está lá, o problema está mais adiante, na etapa de Compor ou Criar arquivo.

Como converter um PDF em um arquivo de texto gratuitamente?​

Para um único documento, qualquer conversor online serve. A razão para criar esse fluxo de trabalho é o volume e a repetição: ele é executado automaticamente em todos os arquivos que chegam à pasta, lida com digitalizações e não exige que ninguém esteja digitando. O plano gratuito do PDF4me cobre um número significativo de documentos por mês, e todos os conectores usados aqui são do nível padrão, portanto, não há necessidade de uma licença premium do Power Automate.

Solução de problemas​

Próximos passos​

O mesmo padrão de seis etapas (monitorar uma pasta, buscar, realizar OCR, extrair, achatar, salvar) transforma qualquer biblioteca de documentos em um corpus legível por máquina.