O Google não ranqueia o PDF em si, e sim uma versão HTML gerada a partir dele. A explicação é de Martin Splitt, do Google, em conversa com John Mueller relatada pelo Search Engine Journal. Segundo Splitt, um componente chamado converter atua na etapa de indexação, logo depois da renderização e imediatamente antes de o conteúdo entrar no índice. Mueller completou: é por isso que links funcionam dentro de PDFs.
Como o Google transforma um PDF em página indexável
Splitt descreveu o mecanismo em detalhe. “O que fazemos na Busca é que temos um componente chamado converter. O componente converter faz parte do que acontece na indexação. Ele acontece logo depois da renderização e logo antes de algo potencialmente entrar no índice”, afirmou, conforme registrou o Search Engine Journal. A transcrição publicada pelo veículo também deixa claro que o Google não usa um visualizador de PDF nesse processo.
O conversor não é exclusivo de PDFs. Splitt citou conversores para arquivos de rich text, documentos, planilhas Excel e até documentos Lotus Notes. Depois dessa etapa, segundo ele, o processamento no resto do pipeline basicamente só trabalha com HTML. O resultado prático: a Busca e o AI Mode operam sobre a representação convertida, não sobre o binário original do arquivo.
Uma leitura editorial possível, não uma afirmação do Google: as verificações que valem para uma página HTML tendem a pesar mais do que a diagramação do PDF, porque é a versão convertida que segue adiante no pipeline.
Links dentro de PDFs funcionam, imagens ficam de fora
Como a indexação recai sobre o HTML, os links do PDF são lidos como links de qualquer página. Mueller resumiu, segundo o Search Engine Journal: “Basicamente, quando o Google vê um arquivo PDF, ele converte em algo com que tem mais prática, meio que uma página web. E acho que é também por isso que coisas como links funcionam em arquivos PDF.”
Splitt confirmou e explicou que a conversão busca ser fiel ao formato original: “Muita coisa pode estar embutida em um PDF. E, quando convertemos, convertemos para uma representação em HTML que seja o mais fiel possível àquele formato original. Então conseguimos ver coisas como links, por exemplo, em PDFs.”
O Search Engine Journal registra que a conversa tratou tanto do ranqueamento quanto da indexação de PDFs para uso no AI Mode e na busca tradicional. A consequência editorial, segundo esta análise, é que ajustar o arquivo para o conversor atende aos dois destinos citados na conversa.
Imagens seguem outro caminho, e aqui o próprio Google admite incerteza. “Acho que talvez a gente até as pegue. Não tenho certeza de como processaríamos, porque a forma como normalmente processamos é dar as URLs da imagem ao pipeline de busca de imagens”, disse Splitt. Dentro de um PDF não existe URL de imagem. “Acho que entendemos que existe uma imagem, mas não acho que consigamos processá-la como uma imagem normal para a busca de imagens. Mas isso pode mudar ou pode ter mudado”, completou ele, na transcrição do Search Engine Journal.
Existe limite de tamanho? O Google não crava o número
Mueller abriu esse trecho admitindo que há detalhes que a equipe não domina: “Percebo que algumas dessas coisas talvez a gente simplesmente não saiba em detalhe, então estamos meio que tentando extrapolar do que sabemos.” Em seguida, ele perguntou sobre limites de tamanho de arquivo para PDFs.
A resposta de Splitt, conforme o Search Engine Journal: “Provavelmente buscar o PDF tem um limite diferente do limite de página web, mas provavelmente existe um limite para a representação tipo página web.” Ele afirmou acreditar que o limite de arquivo para PDFs é maior, na mesma lógica dos limites de vídeo, que também são maiores, mas disse não saber o valor exato. Acrescentou que os limites de HTML discutidos no podcast e na documentação vêm do componente de rastreamento.
Para quem decide onde publicar, o recado prático é analítico, não uma regra anunciada pelo Google: o PDF entra no índice como página, com links rastreáveis, mas com a ressalva das imagens e sem um número público de limite de tamanho.
Três testes sugeridos por esta análise, e não pelo Google, ajudam a separar os casos. Primeiro, o PDF precisa ser o formato natural do leitor, como um relatório ou material para download. Segundo, quando o objetivo é descoberta na Busca e no AI Mode, vale ter a página HTML equivalente como destino principal. Terceiro, os links embutidos no arquivo só ajudam se apontarem para destinos que fazem sentido no seu ecossistema, já que a conversão descrita por Splitt os torna visíveis ao rastreamento.
Perguntas frequentes
O Google indexa o PDF original ou a versão em HTML?
O Google indexa a versão HTML gerada pelo componente chamado converter, não o PDF original. Segundo Martin Splitt, do Google, o conversor atua no indexador logo depois da renderização e antes de o conteúdo entrar no índice, e o restante do pipeline trabalha basicamente com HTML. A explicação foi relatada pelo Search Engine Journal, em conversa com John Mueller.
Links dentro de um PDF são seguidos pelo Google?
Sim. Mueller afirmou que, quando o Google vê um PDF, converte o arquivo em algo parecido com uma página web, e é por isso que links funcionam dentro de PDFs. Splitt acrescentou que a conversão para HTML busca ser o mais fiel possível ao formato original, o que permite enxergar elementos como links.
Existe limite de tamanho de arquivo para PDFs no Google?
O Google não informou o número exato. Splitt disse acreditar que o limite de arquivo para PDFs seja maior, na mesma lógica dos limites de vídeo, mas afirmou não saber o valor, e acrescentou que deve existir um limite para a representação em HTML aplicado depois da conversão. Mueller admitiu que a equipe estava extrapolando a partir do que sabe.
