O PDF e legivel, escaneado, criptografado ou misto?
Use primeiro ferramentas de acesso e OCR quando o documento for protegido, escaneado ou sem camada de texto confiavel; caso contrario comece pela estrutura e conversao.
Elysia Tools
Navegação
Workflow Playbook
Transforme PDFs em entradas limpas, seguras e citaveis para resumo com LLM, embeddings, busca e RAG.
Novo neste fluxo? Siga os passos em ordem, começando pela primeira ferramenta abaixo. Já sabe o que precisa? Vá direto ao passo correspondente: todas as ferramentas deste fluxo estão na tabela comparativa.
Primeira ferramenta: Conversor de PDF criptografado
Temas
| Ferramenta | O que faz | Categoria |
|---|---|---|
| Conversor de PDF criptografado | Abre PDFs protegidos com a senha correta e os exporta como Markdown, JSON ou texto | Developer Tools |
| Extrator de intervalo de paginas PDF | Extrai apenas um intervalo de paginas PDF e o exporta como Markdown, JSON ou texto | Developer Tools |
| Camada de texto OCR PDF | Adiciona camada OCR em PDF digitalizado para permitir busca e copia | PDF Tools |
| OCR de PDF digitalizado para Markdown | Converte PDFs digitalizados ou baseados em imagem para Markdown, priorizando hybrid OCR e degradando de forma clara quando indisponivel | AI Tools |
Temas
| Inspetor de PDF marcado |
| Compara a extracao com e sem StructTree para ver se o PDF possui estrutura marcada util |
| Developer Tools |
| Explorador de estrutura JSON a partir de PDF | Extrai a estrutura JSON do OpenDataLoader de um PDF e exibe titulos, paragrafos, tabelas, listas e bounding boxes | Developer Tools |
| Conversor de PDF para Markdown estruturado | Converte PDF em Markdown estruturado com OpenDataLoader e opcoes para HTML, imagens e separadores de pagina | Developer Tools |
| Extrator de tabelas PDF para CSV/JSON | Extrai tabelas de PDF com OpenDataLoader e exporta em JSON, CSV ou HTML | Data Processing |
| Extrator de imagens e captions PDF | Extrai imagens PDF, relaciona captions proximas e gera um indice HTML navegavel | Media |
| Removedor de ruido de cabecalho e rodape PDF | Compara a extracao com e sem cabecalhos/rodapes para detectar ruido repetido no texto | Developer Tools |
| Extrator de revisao com tachado em PDF | Detecta texto riscado em PDFs revisados e gera um relatorio para contratos e revisoes | Developer Tools |
| Scanner de prompt injection para PDF | Compara extracoes seguras e inseguras para detectar texto oculto, conteudo fora da pagina e outros riscos em PDF | Security |
| PDF para texto limpo para LLM | Extrai texto limpo de PDFs para resumo, traducao, embedding e outros fluxos com LLM | AI Tools |
| Gerador de chunks RAG e citation pack para PDF | Converte um PDF em chunks RAG com pagina, bounding box e metadados de citacao | AI Tools |
Um PDF raramente e uma entrada LLM limpa por padrao. Ele pode ter paginas escaneadas, cabecalhos repetidos, marcas legais, camadas ocultas, tabelas, legendas ou paginas que nao pertencem a base de conhecimento. Este fluxo torna esses riscos revisaveis.
Use encrypted-pdf-converter somente com autorizacao e reduza o corpus com pdf-page-range-extractor. Limitar paginas evita que capas, anexos e formularios repetidos distorcam embeddings e citacoes.
Para scans, pdf-ocr-text-layer e scanned-pdf-ocr-to-markdown transformam paginas visuais em texto pesquisavel. Para PDFs digitais, inspecione semantica com tagged-pdf-inspector e pdf-to-json-structure-explorer, depois exporte Markdown, tabelas e legendas.
Antes da base vetorial, remova ruido com pdf-header-footer-noise-remover, revise tachados com pdf-strikethrough-review-extractor e procure texto oculto com pdf-prompt-injection-scanner. Depois disso, use pdf-to-clean-text-for-llm ou pdf-rag-chunker-citation-pack.
Guia de fluxo de trabalho
Abra arquivos protegidos apenas com autorizacao, selecione as paginas necessarias e evite enviar anexos, capas ou formularios irrelevantes ao contexto do modelo.
Adicione ou verifique a camada OCR e exporte Markdown baseado em OCR quando o documento for visual ou o texto copiado nao for confiavel.
Compare estrutura marcada com heuristicas de layout, explore metadados dos nos e extraia Markdown, tabelas e legendas uteis ao LLM.
Remova elementos repetidos, revise texto tachado possivelmente relevante e escaneie conteudo oculto ou fora da pagina antes de confiar na extracao.
Exporte texto limpo para resumo ou gere chunks orientados por titulos com paginas, caixas e metadados de citacao para sistemas de recuperacao.
Use primeiro ferramentas de acesso e OCR quando o documento for protegido, escaneado ou sem camada de texto confiavel; caso contrario comece pela estrutura e conversao.
Texto limpo basta para resumo e redacao; ingestao RAG deve manter paginas, titulos, tabelas, legendas, caixas e achados de seguranca.