Extrator de arquivos
Converter arquivos recebidos na entrada em texto utilizável pelo fluxo.
O Extrator de arquivos transforma documentos brutos em texto puro. PDFs, planilhas e imagens entram como binário e saem como conteúdo que um modelo consegue ler.
É o primeiro nó de praticamente todo fluxo que processa documentos.
Por que ele é necessário
Um arquivo que chega pela Entrada é uma referência a um binário. Ligar essa referência direto a um nó LLM não entrega o conteúdo: o modelo recebe o ponteiro, não o texto.
O extrator resolve essa ponte, e nada depois dele precisa saber o formato original.
A saída
O nó devolve uma lista de textos extraídos, acessível como {{ extrator_arquivos.contents }}.
É uma lista porque a Entrada pode receber vários arquivos. Para processar um a um, ligue essa lista a um nó de Iteração.
Formatos
Arquivos com texto selecionável saem limpos e rápidos. Documentos digitalizados dependem de reconhecimento de texto, demoram mais e podem falhar quando a digitalização tem baixa qualidade.
Um PDF que contém apenas a imagem de uma página escaneada pode devolver texto vazio sem erro explícito. O fluxo segue com conteúdo em branco, e o nó LLM seguinte responde a partir de nada.
Vale tratar esse caso com um nó de Condição logo depois, checando se o texto extraído veio vazio.
Próximos passos
- Processe cada documento separadamente com Lógica.
- Extraia identificadores do texto em Extrator de CPF.