Parsing de documentos
O parsing de documentos (análise de documentos) converte arquivos como PDFs, digitalizações, apresentações e planilhas em texto estruturado que um software consegue usar, mantendo títulos, ordem de leitura, tabelas e imagens, em vez de um fluxo plano de caracteres.
Também chamado: PDF parsing, document AI
Por Divya Sharma · Verificado em 15 de nov. de 2026 · Como analisamos
A maior parte do conhecimento das empresas está em PDFs e arquivos de escritório, não em texto limpo. Antes que um modelo possa buscar ou responder a perguntas sobre eles, algo precisa transformar cada página em texto com a estrutura preservada. Isso é o parsing de documentos, e sua qualidade define um teto para qualquer sistema de geração aumentada por recuperação construído por cima.
Como funciona
Um parser primeiro lê o texto que o arquivo já contém. Para páginas digitalizadas, ele roda reconhecimento óptico de caracteres. Depois aplica análise de layout para encontrar títulos, parágrafos, figuras e notas de rodapé e colocá-los em ordem de leitura, e extração de tabelas para reconstruir linhas e células. A saída geralmente é Markdown ou JSON que mantém essa estrutura, pronta para o chunking.
Existem duas famílias de ferramentas. Parsers em pipeline, como Docling e Marker, encadeiam modelos especializados em layout, OCR e tabelas. Parsers mais novos enviam imagens das páginas a um modelo de visão e linguagem e pedem que ele escreva o conteúdo. APIs hospedadas como LlamaParse e Reducto oferecem qualquer uma das abordagens como serviço.
Limites
Layouts com várias colunas, digitalizações giradas, letra manuscrita, gráficos e tabelas que atravessam páginas ainda confundem os parsers. Parsers baseados em modelos de visão também podem inventar texto que não está na página, uma forma de alucinação. Compare a saída com a fonte em uma amostra dos seus próprios documentos antes de indexar um arquivo inteiro. O guia de parsing de documentos compara as opções.
Termos relacionados
- Reconhecimento óptico de caracteres
- O reconhecimento óptico de caracteres (OCR) é um software que lê texto em imagens, como páginas digitalizadas, fotos ou capturas de tela, e o transforma em caracteres legíveis por máquina que podem ser pesquisados, copiados ou enviados a um modelo.
- Vision-language model
- Um vision-language model (VLM, modelo de visão e linguagem) é um modelo que recebe imagens e texto como entrada e produz texto, então consegue descrever imagens, responder perguntas sobre elas, ler documentos e extrair dados de capturas de tela.
- Análise de layout
- A análise de layout (layout analysis) é a parte do parsing de documentos que encontra as regiões de uma página, como títulos, parágrafos, tabelas, figuras, legendas e rodapés, rotula cada uma e descobre a ordem em que uma pessoa as leria.
- Extração de tabelas
- A extração de tabelas (table extraction) é a tarefa de encontrar tabelas em documentos e reconstruir suas linhas, colunas, cabeçalhos e células como dados estruturados, como HTML, Markdown ou CSV, em vez de linhas soltas de texto.
- Chunking
- Chunking (divisão em trechos) é a etapa que divide documentos longos em passagens menores antes de gerar seus embeddings e indexá-los, para que um sistema de recuperação possa encontrar e devolver apenas as partes de um documento que respondem a uma consulta.