AuraDoc
EntrarCriar

Como exportar o texto de um PDF como XML

Alguns sistemas recebem texto em XML, e não em PDF. Este guia verifica o arquivo, torna legíveis as páginas digitalizadas e exporta um elemento XML por página.

A exportação em XML lê a camada de texto. Uma página digitalizada sem essa camada sai vazia, por isso a verificação da primeira etapa é importante.

Passo a passo

  1. Verifique o PDF

    Abra o relatório de qualidade e escolha o PDF. Ele mostra se o arquivo é pesquisável, além de páginas, tamanho, imagens e fontes.

  2. Decida se precisa de OCR

    Se o relatório disser que o arquivo não é pesquisável, ele é uma digitalização. Digitalizações curtas se resolvem na próxima etapa; arquivos com texto podem pulá-la.

  3. Reconheça o texto

    Abra a ferramenta de OCR, escolha a digitalização e o idioma. São processadas até 10 páginas, e o resultado é um PDF com texto selecionável.

  4. Exporte para XML

    Abra a ferramenta PDF para XML, escolha o PDF pesquisável, faça a verificação rápida e baixe o arquivo XML. Não há opções para ajustar.

  5. Olhe dentro do arquivo

    Abra o XML em um editor de texto. Cada página é um elemento com o seu texto, acompanhado de dados básicos do documento.

Ferramentas usadas neste guia

Dúvidas sobre esta tarefa

O que o XML contém?
O texto de todas as páginas, página por página, com dados básicos do documento. Layout, imagens e fontes não entram.
É o mesmo que ler uma nota fiscal eletrônica?
Não. Algumas notas trazem o próprio XML dentro do PDF. Este guia exporta o texto visível de qualquer PDF.
O relatório de qualidade envia o arquivo?
Não. O relatório roda no navegador. O OCR e a exportação em XML rodam no servidor, e o arquivo é apagado depois que o resultado sai.

Mais guias

Precisa de mais do que um ajuste rápido?

O AuraDoc é uma plataforma de documentos com OCR, busca e resumos com IA e mais de 60 ferramentas de PDF para equipes. Teste grátis por 7 dias.

As ferramentas marcadas como “Servidor seguro” enviam o seu arquivo uma vez, por conexão criptografada, a um servidor isolado da AuraDoc. Ele é processado num processo descartável e apagado assim que o resultado volta para você. Política de uso justo e antiabuso