Contar Palavras de PDF
Duas páginas com 11 e 8 palavras somam 19 palavras, 93 caracteres, 75 sem espaços e uma média de 9,5 palavras por página. Cole o texto de cada página em ordem para conferir teses, petições ou provas contra limites de tamanho. Grátis no seu navegador.
- Grátis
- Funciona no seu navegador
- Sem cadastro
- Seus dados não saem do seu aparelho
Executar grátis
Contar as palavras de um PDF é uma verificação de rotina para estudantes, editores, tradutores e equipes de conformidade que lidam com limites de páginas e extensão. Esta ferramenta recebe o texto extraído por página do PDF — um array de strings em ordem de página — e devolve totais determinísticos: total de palavras, total de caracteres com e sem espaços, número de páginas, a média de palavras por página e um detalhamento por página para você identificar de relance uma página vazia ou inchada. Como a entrada já é texto extraído, não há análise de binário, loteria de tamanho de upload nem dependência de uma biblioteca de PDF específica: qualquer extrator que produza texto por página a alimenta.
Como são calculadas as contagens de palavras, caracteres e páginas
A contagem de palavras divide o texto de cada página por espaços em branco Unicode e conta cada token não vazio, o que corresponde ao comportamento das barras de status de editores e dos contadores on-line mais usados: um token hifenizado como estado-da-arte conta como uma palavra, e sequências de espaços, tabulações ou quebras de linha colapsam em um único separador.
A contagem de caracteres é o comprimento total da string do texto da página exatamente como extraído, incluindo espaços e quebras de linha, enquanto um segundo total remove todos os espaços em branco para você comparar o comprimento puro do conteúdo quando o preenchimento de layout inflaria o número. O número de páginas é simplesmente a quantidade de elementos no array de entrada, pois cada elemento representa uma página do PDF em ordem — portanto a fidelidade por página depende do extrator usado antes.
A média de palavras por página divide o total de palavras pelo número de páginas e arredonda para duas casas decimais, o que facilita comparar manuscritos, relatórios e teses de tamanhos diferentes com uma métrica justa. Páginas em branco ou só com espaços contribuem zero palavras, mas ainda contam como páginas, refletindo o que o leitor vê ao folhear um documento com páginas em branco intencionais.
Onde as contagens de palavras por página de PDF aparecem no trabalho real
Estudantes e pesquisadores verificam os requisitos de extensão de teses e dissertações depois de exportar o texto do PDF final, conferindo o total geral e a densidade média por página em relação às regras da instituição. Editores e equipes de produção que revisam provas diagramadas usam o detalhamento por página para encontrar páginas quase vazias, páginas duplas sobrecarregadas ou capítulos cuja densidade foge muito da média do livro antes de enviar os arquivos para impressão.
Tradutores e fornecedores de localização estimam esforço e custo a partir dos totais de palavras quando o cliente só consegue fornecer o texto exportado de um documento de origem, em vez dos arquivos editáveis originais. Equipes jurídicas e de conformidade confirmam que os protocolos ficam abaixo dos limites de palavras de tribunais ou reguladores, onde exceder um limite pode significar uma petição rejeitada e um prazo perdido.
Engenheiros de dados que constroem pipelines de documentos armazenam contagens de palavras e caracteres por página como métricas de qualidade, sinalizando páginas em que a extração não retornou nada — um sinal confiável de páginas digitalizadas como imagem que precisam de OCR em vez de extração de texto. Arquivistas que comparam duas versões de um relatório fazem diff das contagens por página para detectar páginas silenciosamente omitidas ou duplicadas.
Como esta capacidade consome texto já extraído, ela se compõe bem com qualquer extrator anterior e nunca reprocessa PDFs binários; se você precisar que o binário seja analisado para você, essa é uma capacidade separada, como pdf.stats.
Casos de uso
Verificação de extensão de teses e petições
Exporte o texto do PDF por página e verifique o total de palavras e a média por página em relação aos limites de palavras da universidade ou do tribunal antes de enviar.
Revisão de densidade de provas de impressão
Examine o detalhamento por página em busca de páginas quase vazias ou sobrecarregadas e capítulos que fogem da densidade média do documento.
Monitoramento da qualidade de extração
Sinalize páginas com zero palavras em pipelines de documentos como prováveis imagens digitalizadas que precisam de OCR, usando as contagens por página como sinal de qualidade.
Perguntas frequentes
Como as palavras são contadas?
Palavras são tokens não vazios separados por espaços em branco Unicode. Vários espaços, tabulações ou quebras de linha colapsam em um único separador, e um token hifenizado conta como uma única palavra.
Páginas em branco contam?
Sim. Uma página em branco ou só com espaços contribui zero palavras, mas ainda conta no total de páginas, correspondendo ao que o leitor vê no documento.
O que acontece se a entrada estiver vazia?
Páginas ausentes, array vazio ou páginas cujo texto combinado não tem palavras são tratados como erros do cliente e não são cobrados.
Quanto custa?
A ferramenta no navegador é gratuita e roda localmente.
Por que existem dois totais de caracteres?
Um conta o texto do jeito que foi extraído, com espaços e quebras de linha; o outro tira todos os espaços em branco. O segundo serve para comparar o conteúdo puro quando o preenchimento do layout infla o número.
Ferramentas relacionadas
Para desenvolvedores — acesso via API
Tudo nesta página está disponível via API. Esta seção é para equipes que querem integrar a ferramenta aos próprios sistemas; quem não precisa disso pode simplesmente usar a ferramenta acima.
Endpoint
Autenticação por token Bearer. Um único POST coloca a tarefa na fila; o resultado chega por webhook ou link assinado.
Chame do seu código
curl -X POST https://api.kit.forhosting.com/pdf/count-words \
-H "Authorization: Bearer $KIT_KEY" \
-H "Content-Type: application/json" \
-d '{"pages":["Chapter One\n\nThe quick brown fox jumps over the lazy dog.","A second page with only a few words."]}'const res = await fetch("https://api.kit.forhosting.com/pdf/count-words", {
method: "POST",
headers: {
"Authorization": `Bearer ${process.env.KIT_KEY}`,
"Content-Type": "application/json"
},
body: JSON.stringify({
"pages": [
"Chapter One\n\nThe quick brown fox jumps over the lazy dog.",
"A second page with only a few words."
]
})
});
const { task_id } = await res.json();import os, requests
res = requests.post(
"https://api.kit.forhosting.com/pdf/count-words",
headers={"Authorization": f"Bearer {os.environ['KIT_KEY']}"},
json={
"pages": [
"Chapter One\n\nThe quick brown fox jumps over the lazy dog.",
"A second page with only a few words."
]
},
)
task_id = res.json()["task_id"]<?php
$res = file_get_contents("https://api.kit.forhosting.com/pdf/count-words", false, stream_context_create([
"http" => [
"method" => "POST",
"header" => "Authorization: Bearer " . getenv("KIT_KEY") . "\r\nContent-Type: application/json",
"content" => '{"pages":["Chapter One\\n\\nThe quick brown fox jumps over the lazy dog.","A second page with only a few words."]}',
],
]));
$task = json_decode($res, true);body := bytes.NewBufferString(`{"pages":["Chapter One\n\nThe quick brown fox jumps over the lazy dog.","A second page with only a few words."]}`)
req, _ := http.NewRequest("POST", "https://api.kit.forhosting.com/pdf/count-words", body)
req.Header.Set("Authorization", "Bearer "+os.Getenv("KIT_KEY"))
req.Header.Set("Content-Type", "application/json")
res, _ := http.DefaultClient.Do(req)Exemplo de requisição
{
"pages": [
"Chapter One\n\nThe quick brown fox jumps over the lazy dog.",
"A second page with only a few words."
]
}Exemplo de resposta
{
"task_id": "tsk_a1b2c3d4e5f6a1b2c3d4e5f6",
"type": "pdf.count_words",
"status": "queued",
"_links": {
"result": "/tasks/tsk_…/result"
}
}A API é assíncrona: cada chamada devolve um task_id na hora. Se preferir polling, consulte o status a até 1 requisição por segundo.
Preço
Preço publicado, sem tokens nem créditos escondidos. Tarefa que falha não é cobrada.
Limites
max_mb | 25 |
max_pages | 200 |
Erros
| HTTP | Código | O que significa |
|---|---|---|
401 | unauthorized | Token ausente ou inválido. Confira o header Authorization. |
402 | insufficient_balance | Saldo insuficiente para esta tarefa. Faça uma recarga e tente de novo. |
404 | unknown_type | Esse tipo de tarefa não existe. Confira o campo type no catálogo. |
429 | rate_limited | Muitas requisições em pouco tempo. Espere um instante e tente de novo. |
Notas técnicas
Entrada vazia — páginas ausentes, array vazio ou páginas sem nenhuma palavra — é rejeitada com um erro invalid_input claro, em vez de zeros silenciosos.
Como são calculadas as contagens de palavras, caracteres e páginas
Páginas que não são strings são rejeitadas elemento a elemento, com uma mensagem que indica o número da página com problema, e texto combinado acima do limite de caracteres documentado falha rápido com invalid_input, para que uma única requisição grande demais não monopolize a memória do Worker.
O que você envia e o que recebe de volta
Um caminho feliz clássico é um artigo de duas páginas cujos totais são a soma das duas páginas, com a média entre os dois valores por página, e um documento com páginas em branco intencionais ainda informa o número correto de páginas, contribuindo com zero palavras. Use o formulário gratuito no navegador para colar e conferir texto exportado rapidamente e depois chame o contrato idêntico a partir de scripts ao auditar arquivos inteiros de documentos extraídos. Envie um campo obrigatório chamado pages: um array de strings com o texto extraído de cada página do PDF em ordem de leitura. Por conveniência, os aliases text e content são aceitos como uma string única, tratada como um documento de uma página, e pages_text funciona como alias de array ao integrar clientes antigos. Em caso de sucesso, a resposta retorna pages, total_words, total_characters, total_characters_no_spaces, words_per_page_average, um array per_page com número da página, words, characters e characters_no_spaces para cada página, e operation definido como pdf_count_words. Os casos de erro são explícitos e nunca cobrados: campo pages ausente, valor que não é array, array vazio, elementos que não são strings, número de páginas ou comprimento combinado acima dos limites documentados e páginas cujo texto combinado não contém palavras — todos geram invalid_input com uma mensagem que diz exatamente qual regra falhou. O preço das chamadas de API bem-sucedidas é o valor base publicado de US$ 0,002 por item; falhas de validação não consomem saldo pré-pago.
Onde as contagens de palavras por página de PDF aparecem no trabalho real
O preço da API é o valor base publicado de US$ 0,002 por item bem-sucedido, e entrada inválida nunca é cobrada, o que mantém previsíveis as auditorias em massa de arquivos.
Perguntas técnicas
Que entrada esta ferramenta espera?
Um campo chamado pages: um array de strings com o texto extraído de cada página do PDF em ordem. Os aliases text ou content são aceitos como uma string única e tratados como um documento de uma página.