Testar
10.000 páginas
US$ 3,75
US$ 0,38/1K páginas
- Teste com suas URLs reais
- Mesma API do maior pacote
- Os créditos nunca expiram
Resposta rápida
Existe uma API que converte um PDF de uma URL em Markdown?
Sim. Com WebReaderAPI, envie a URL do PDF para https://webreaderapi.com/api/v1/read: a API baixa o arquivo e retorna o texto em Markdown, com títulos, parágrafos, listas e tabelas simples. Arquivos de até 20 MB e 100 páginas são suportados, a 1 crédito por bloco iniciado de 10 páginas, a partir de US$ 0,07/1K páginas em outubro de 2026. Sem KYC; pague com cripto.
PDF para Markdown em resumo
| Endpoint | GET https://webreaderapi.com/api/v1/read?url=https://…/report.pdf (o mesmo das páginas web) |
|---|---|
| Limites | Arquivos PDF de até 20 MB e 100 páginas são convertidos em Markdown, a 1 crédito por bloco iniciado de 10 páginas |
| Saída | Texto em Markdown com títulos, parágrafos, listas e tabelas simples; format=text para texto simples |
| Não suportado | PDFs escaneados sem camada de texto (sem OCR), arquivos protegidos por senha |
| robots.txt | Vale para links de PDF como para qualquer outra página |
| Pagamento | BTC, USDT, USDC, ETH, SOL, LTC, a partir de uma recarga de US$ 25; sem KYC |
Como as páginas de PDF são contadas?
Um PDF custa 1 crédito por bloco iniciado de 10 páginas. Um folheto de 4 páginas custa 1 crédito, um relatório de 25 páginas custa 3 créditos e um manual de 100 páginas custa 10 créditos. A resposta traz o valor exato em credits_used.
Arquivos maiores que 20 MB ou com mais de 100 páginas retornam 422 unsupported_content e não consomem crédito. Para um documento longo, procure primeiro uma versão HTML do mesmo conteúdo: muitas vezes ela é mais barata e tem estrutura melhor.
Como fica o Markdown?
O conversor reconstrói a ordem de leitura a partir da camada de texto do PDF. Linhas grandes ou em negrito no início de uma seção viram títulos, itens com marcadores e numerados viram listas Markdown, e tabelas de grade simples viram tabelas Markdown.
Cabeçalhos correntes, rodapés e números de página que se repetem em todas as páginas são removidos, para não partirem frases nos seus chunks. Layouts em duas colunas são lidos coluna por coluna. Notas de rodapé ficam como texto no ponto em que a página as coloca.
import os
import re
import requests
resp = requests.get(
"https://webreaderapi.com/api/v1/read",
headers={"Authorization": "Bearer " + os.environ["WEBREADER_API_KEY"]},
params={"url": "https://example.com/annual-report.pdf"},
timeout=120,
)
resp.raise_for_status()
doc = resp.json()
chunks = [c.strip() for c in re.split(r"\n(?=#{1,3} )", doc["markdown"]) if c.strip()]
print(len(chunks), "chunks,", doc["credits_used"], "credit(s)")
for c in chunks[:3]:
print(c.splitlines()[0])
Quais PDFs funcionam melhor, e quais não funcionam?
PDFs exportados de um processador de texto, de um site ou de uma ferramenta de publicação funcionam melhor: eles trazem uma camada de texto com fontes e posições. Relatórios anuais, artigos científicos, manuais de produtos, documentos de políticas e listas de preços geralmente estão nesse grupo.
Documentos escaneados são imagens de páginas e não têm camada de texto. WebReaderAPI não executa reconhecimento óptico de caracteres, então um scan retorna pouco ou nenhum texto; o campo word_count mostra isso na hora. PDFs protegidos por senha e criptografados são recusados com 422 unsupported_content, sem cobrança.
Como os PDFs se encaixam em um pipeline de RAG?
Trate-os como páginas web. Leia o PDF, divida o Markdown pelos títulos, adicione a URL de origem e o título da página aos metadados de cada chunk e então gere os embeddings. Manter a URL permite que seu assistente cite o documento que usou.
Quando um rastreamento (crawl) encontra links para PDFs no mesmo domínio, ele os lê com as mesmas regras e as mesmas verificações de robots.txt. Veja o guia de RAG para um exemplo completo de ingestão.
Quanto custa a conversão de PDF?
PDFs usam os mesmos créditos que as páginas web: 1 crédito por bloco iniciado de 10 páginas. Com 10.000 páginas por US$ 3,75, você converte cerca de 10.000 PDFs curtos ou 1.000 documentos de 100 páginas.
Starter
50.000 páginas
US$ 14,25
US$ 0,28/1K páginas
- Um agente de IA ou um protótipo de RAG
- Rastrear (crawl) um site de documentação
- Os créditos nunca expiram
Build
100.000 páginas
US$ 21,75
US$ 0,22/1K páginas
- Agentes de produção e pipelines de RAG
- Tarefas em lote e de rastreamento (crawl)
- Os créditos nunca expiram
Scale
500.000 páginas
US$ 50
US$ 0,10/1K páginas
- Grandes bases de conhecimento
- Concorrência maior sob solicitação
- Os créditos nunca expiram
Em todos os planos: Extração do conteúdo principal · Renderização de JavaScript quando necessário · Páginas com falha e recusadas não são cobradas · Os créditos nunca expiram
API de PDF para Markdown: perguntas frequentes
Posso enviar um arquivo PDF em vez de mandar um link?
Não na versão 1. A API lê PDFs a partir de uma URL pública. Para converter um arquivo privado, coloque-o em uma URL que você controla durante o tempo da requisição.
Ele extrai texto de PDFs escaneados?
Não. WebReaderAPI lê a camada de texto de um PDF e não executa OCR. Um documento escaneado retorna pouco ou nenhum texto, o que o campo word_count mostra.
As tabelas são mantidas?
Tabelas de grade simples viram tabelas Markdown. Tabelas com células mescladas ou layouts complexos são mantidas como texto na ordem de leitura, que os modelos ainda leem bem.
Um PDF é cobrado se falhar?
Não. Arquivos muito grandes, muito longos, criptografados ou recusados pelo site não são cobrados. 1 crédito = 1 página lida sem navegador; 2 créditos quando a página precisa de um navegador para renderizar JavaScript. Uma requisição que falha, ou que o robots.txt de um site recusa, não é cobrada.