Em 13 de outubro de 2026, Martin Splitt e John Mueller, do Google, dedicaram um episódio do podcast Search Off the Record aos PDFs na Pesquisa. O episódio se chama “PDFs in Search: Indexing, AI & Pitfalls” e foi resumido por Barry Schwartz no Search Engine Roundtable.
O tema não é novo, mas ganhou um recorte atual: como o PDF se comporta em visões gerais de IA e em estratégias de GEO (otimização para mecanismos generativos). A resposta curta é que o Google indexa PDFs, só que o formato cobra um preço em rastreamento, atualização e controle.
Este artigo separa o que veio da documentação e do episódio do que é leitura da Analytikos, para que você decida onde manter PDF e onde migrar para HTML.
Como o Google processa um PDF
A documentação oficial sobre tipos de arquivo indexáveis lista o PDF (.pdf) entre os formatos suportados e o classifica como um arquivo codificado.
Arquivos binários ou contêineres complexos que exigem um analisador específico.
Google Search Central, documentação de tipos de arquivo indexáveis
Segundo o resumo de Schwartz, durante a indexação o PDF é convertido em uma representação HTML. Depois disso, ele passa pelos mesmos sistemas básicos de indexação e ranqueamento de uma página comum. Os links de texto dentro do arquivo são preservados e rastreados. Já as imagens embutidas não têm URL própria e, em geral, não entram na Pesquisa de Imagens como uma imagem de página.
O resumo também afirma que PDFs podem aparecer em AI Overviews e ser acessados por modelos de IA para treinamento e grounding (ancoragem das respostas em fontes). Note que esses pontos vêm do resumo do Search Engine Roundtable, não de citações diretas dos dois integrantes do Google.
Do PDF ao índice do Google
Limites de tamanho que importam
Em fevereiro de 2026, o Google detalhou na documentação os limites de rastreamento. O Search Engine Roundtable registrou os valores abaixo. Para o PDF, o limite é maior do que o de HTML.
| Tipo de conteúdo | Limite citado | Observação |
|---|---|---|
| Rastreadores e fetchers do Google (padrão) | 15 MB | O que passa desse ponto é ignorado |
| HTML e demais arquivos indexáveis (Googlebot) | 2 MB | Posicione o conteúdo importante no início |
| PDF (Googlebot) | 64 MB | Teto de referência, não meta de tamanho |
No episódio, segundo a cobertura, o Google disse que não documenta um corte exato porque os limites são ajustados com o tempo. Trate os 64 MB como teto de referência. Se o seu arquivo se aproxima disso, vale perguntar se ele não deveria ser uma página. Para entender como o orçamento de rastreamento funciona, veja nosso artigo sobre o limite de rastreamento do Google.
Os problemas técnicos mais comuns
A cobertura do episódio reúne armadilhas que aparecem com frequência em auditorias:
- PDF escaneado: sem OCR (reconhecimento óptico de caracteres), o arquivo é só imagem. O teste simples é selecionar, copiar e colar o texto em um editor.
- Celular: o arquivo precisa ser baixado por inteiro antes de renderizar e o layout fixo não se adapta ao zoom.
- Duplicidade: PDFs idênticos são duplicatas binárias exatas, o que complica a canonicalização. As mitigações citadas são o cabeçalho HTTP de canonical, metadados preenchidos e links de volta ao site. Veja também como o Google trata canonical entre domínios.
- Recrawl lento: o PDF é tratado como arquivo relativamente estático e volta a ser rastreado bem menos que o HTML. Para indexar uma versão nova com rapidez, publique-a em outra URL ou com outro nome de arquivo. Sobre prazos, consulte quanto tempo o Google leva para rastrear e indexar.
- Acesso: PDFs protegidos por senha bloqueiam os robôs de busca.
- PDF de impressão do CMS: a versão gerada automaticamente pode competir com a página HTML e ficar desatualizada.
PDF, GEO e arquivos feitos para máquinas
O episódio também tratou de arquivos pensados para leitura por máquina. A orientação resumida na cobertura é que o llms.txt deve ser sempre texto simples, nunca PDF. Segundo Schwartz, o Google disse pouco sobre GEO no trecho final. Portanto, não há, até aqui, um sinal oficial de que PDF receba tratamento especial em respostas de IA.
quando manter PDF e quando migrar
Esta seção é interpretação nossa, a partir dos pontos acima. O HTML continua sendo a escolha padrão, porque é mais fácil de editar, é responsivo e volta a ser rastreado com mais frequência. O PDF faz sentido quando há formatação rígida para impressão, formulários offline ou documentação em papel. Para pequenos negócios, um cardápio em PDF é aceitável quando uma página HTML é impraticável.
- Liste os PDFs indexados do site e identifique os que repetem o conteúdo de uma página HTML.
- Para cada duplicata, defina a URL principal e aplique o canonical por cabeçalho HTTP.
- Substitua PDFs escaneados por HTML ou refaça o arquivo com OCR.
- Quando atualizar um PDF importante, avalie publicar em nova URL e redirecionar a antiga.
- Revise o sitemap HTML e a navegação para que o caminho até a página principal seja claro.
Perguntas frequentes
O Google indexa PDF?
Sim. A documentação do Google lista o PDF entre os tipos de arquivo indexáveis. Durante a indexação, o arquivo é convertido em uma representação HTML e passa pelos mesmos sistemas básicos de indexação e ranqueamento.
Qual é o limite de tamanho de PDF para o Googlebot?
A documentação, conforme o Search Engine Roundtable, cita 64 MB para PDF, contra 2 MB para HTML e 15 MB como padrão dos rastreadores. No episódio, o Google disse que não documenta um corte exato, então trate o número como referência.
PDF aparece nas AI Overviews?
Segundo o resumo do episódio, PDFs convertidos podem aparecer nas AI Overviews e ser usados por modelos de IA. O Google disse pouco sobre GEO especificamente, então não há garantia de tratamento diferenciado.
Como evitar que o PDF concorra com a página HTML?
Use canonical por cabeçalho HTTP no PDF apontando para a página principal, preencha os metadados do arquivo e inclua links de volta ao site. Em PDFs de impressão gerados pelo CMS, avalie se eles precisam ser indexados.
Posso publicar o llms.txt em PDF?
Não. A orientação resumida na cobertura do episódio é que arquivos feitos para consumo por máquina, como o llms.txt, devem ser texto simples.
