Resumo
O Google converte o PDF em HTML antes de colocar o arquivo no índice, segundo Martin Splitt e John Mueller no episódio 115 do podcast Search Off the Record, publicado em 13 de outubro de 2026. Convertido, o documento ranqueia como uma página comum e pode surgir no Modo IA. Como o Google volta a buscar PDFs com pouca frequência, Mueller sugere publicar cada versão nova com outro nome de arquivo.
Google converte o PDF em HTML antes de colocar o arquivo no índice da busca, explicaram Martin Splitt e John Mueller no episódio 115 do podcast Search Off the Record, publicado em 13 de outubro de 2026. Para quem publica cardápio, e-book, manual ou tabela de preços em PDF, o episódio mostra como o documento é lido e em que ponto ele costuma falhar.
Um conversor transforma o arquivo binário em página
Splitt explicou que o PDF é um arquivo binário, e não texto puro. Por isso o Google usa um componente chamado conversor, que entra depois da renderização e antes da indexação e gera uma versão em HTML. O resto dos sistemas trata essa versão como página comum, como mostra o episódio sobre PDFs na Pesquisa do Google. Links em texto passam pela conversão e são rastreados.
A partir daí, indexação e ranqueamento seguem as regras de qualquer documento, e o PDF pode aparecer nos AI Overviews e no Modo IA. O arquivo escaneado é a exceção. Sem camada de texto, ele não é lido sem OCR, e o teste sugerido por Splitt é simples: abrir o documento e tentar selecionar e copiar um trecho. Ele também não soube garantir que as imagens internas entrem na busca de imagens.
O PDF vira HTML antes do índice e ranqueia como qualquer página, mas o Google volta a buscar o arquivo com pouca frequência.
Versão nova do arquivo pede outro nome
Atualizar um PDF no Google pede outro cuidado. Mueller comparou o formato às imagens, que o buscador não volta a buscar com frequência, e sugeriu publicar cada alteração com um nome novo, porque uma URL nova é descoberta e rastreada como conteúdo novo. Quem sobrescreve o mesmo arquivo pode ver a versão antiga nos resultados por mais tempo. O episódio não deu prazo de recrawl.
Os dois também não souberam cravar o limite de tamanho, e a documentação do Googlebot fala nos primeiros 64 MB de um PDF. Cópias idênticas em vários sites viram duplicatas binárias, e Mueller indicou o cabeçalho HTTP rel=”canonical” ou um link visível para a página inicial no topo do arquivo. Antes de culpar o formato, quem enfrenta páginas rastreadas que o Google não indexa deve revisar o próprio site.
O que você acha? Você vai trocar os PDFs do seu site por páginas em HTML? Para acompanhar mais, acesse nossa editoria de SEO e Otimização e os vídeos do canal no YouTube.
Perguntas Frequentes
O Google indexa o conteúdo de um PDF como uma página comum?
Google converte o PDF em HTML depois da renderização e antes da indexação, e o resto do sistema trata essa versão como página. Segundo Martin Splitt, indexação e ranqueamento funcionam como em qualquer documento, e o PDF pode aparecer nos AI Overviews e no Modo IA. Arquivo escaneado, sem texto selecionável, depende de OCR.
Como saber se o Google consegue ler o texto do meu PDF?
Google depende da camada de texto do arquivo. O teste sugerido por Martin Splitt é abrir o PDF e tentar selecionar e copiar um trecho. Se a seleção funcionar, o conversor lê o texto. Se o documento for uma imagem escaneada, precisa passar por OCR antes de ir para o site.
Qual a melhor forma de atualizar um PDF que já aparece no Google?
Google busca PDFs de novo com pouca frequência, como faz com imagens, segundo John Mueller. Por isso ele sugeriu publicar a versão nova com outro nome, já que uma URL nova é rastreada como conteúdo novo. O episódio não informou intervalo de recrawl, e sobrescrever o arquivo pode atrasar a troca.