Runzos

Extrair dados de PDF com n8n

Do PDF que chega por e-mail à planilha preenchida — sem digitação, usando o n8n e um modelo que lê o documento por você.

Ilustração de um documento virando linhas de uma tabela, representando extração de dados de PDF

Extrair dado de PDF é o trabalho manual mais fácil de justificar automatizar: alguém está digitando à mão o que já está escrito. Nota fiscal, boleto, currículo, contrato, relatório — o dado existe, só não está em formato de planilha nem de banco.

Existem dois caminhos, e escolher errado custa tempo. Se o PDF tem texto de verdade, o nó nativo do n8n extrai sem custo de IA nenhum — é o template mais usado do recorte, com 96 mil usos, e resolve muita coisa. Se o PDF é digitalizado ou tem layout complexo, aí entra modelo de visão, que lê a página como imagem e devolve campo estruturado. Comece sempre pelo primeiro: é grátis e responde na hora se serve para o seu caso.

Como montar

  1. Suba o n8n numa VPS (ofertas abaixo, instalação em um clique).
  2. Importe primeiro o template de extração simples e teste com um PDF seu.
  3. Se voltar texto, seu problema acabou — mande a saída para planilha ou banco.
  4. Se voltar vazio, o PDF é digitalizado: troque para o template com modelo de visão.
  5. Defina os campos que você quer de saída antes de ligar o volume — extração sem esquema definido devolve texto solto e você recai na digitação.

O que você precisa

VPS 2 GB + n8n; IA só é necessária para PDF digitalizado ou layout complexo

  • 1. VPS com n8n — 2 GB bastam; PDF grande consome mais memória momentaneamente, então evite processar lote enorme em paralelo.
  • 2. Modelo de visão (só às vezes) — necessário apenas se o PDF for digitalizado. Para PDF com texto, o nó nativo resolve sem custo de IA.
  • 3. Destino do dado — planilha, banco ou API. Decida isso antes: é o que define quais campos você precisa extrair.

Quanto custa

Aqui o custo varia muito conforme o tipo de PDF. Documento com texto sai de graça — é processamento local, sem IA. Documento digitalizado passa por modelo de visão, e aí você paga por página analisada.

R$ 30 a R$ 70/mês (VPS); PDF com texto não consome IA · VPS de 2 GB

Onde hospedar

Veredito

Teste o extrator simples antes de qualquer coisa: se o seu PDF tem texto, o problema está resolvido de graça. Modelo de visão só entra quando o extrator volta vazio — e aí a conta passa a ser por página.

Perguntas frequentes

Funciona com PDF digitalizado?
Com o extrator de texto, não: PDF escaneado é imagem e volta vazio. Para esse caso existe o caminho com modelo de visão, que lê a página como imagem e devolve os campos. É mais lento e tem custo por página, mas funciona.
Dá para extrair nota fiscal automaticamente?
Dá, e é um dos usos mais comuns. O ponto que decide o resultado é definir os campos de saída — número, data, valor, CNPJ — em vez de pedir "extraia os dados". Com esquema definido, a saída entra direto na planilha.
Preciso de IA para isso?
Nem sempre, e essa é a economia que quase ninguém faz: se o PDF tem texto selecionável, o nó nativo do n8n extrai sem IA nenhuma e sem custo. IA só é necessária para documento digitalizado ou layout que confunde a leitura linear.
Quantos PDFs por vez a VPS aguenta?
Com 2 GB, processar um de cada vez é tranquilo. Lote grande em paralelo consome memória rápido, porque cada arquivo é carregado inteiro — vale processar em fila e não todos de uma vez.
Onde os arquivos ficam?
No seu servidor, durante o processamento. É a diferença de rodar self-hosted: documento com dado pessoal ou fiscal não sai para serviço de terceiro, a menos que você mesmo mande para uma API de visão.

Fontes