As Humanidades Digitais e as Ciências da Informação são interdisciplinares. O aumento da disponibilidade de repositórios de dados como fonte de pesquisa contribui para o fortalecimento das Humanidades Digitais como campo de pesquisa. Neste sentido o Centro de Pesquisa e Documentação de História Contemporânea do Brasil (CPDOC) vem instigando os seus consulentes a apropriarem-se de novas tecnologias que facilitem a exploração das fontes de pesquisa dos arquivos pessoais disponibilizados pela instituição. Hoje eles já empregam o uso de várias ferramentas de Processamento de Linguagem Natural (PLN), porém essas ferramentas exigem a entrada dos dados como texto puro.
O objetivo deste trabalho é contribuir para a exploração de fontes de pesquisas dos arquivos pessoais disponibilizados pelo CPDOC. Para isso foram tratados - para a diminuição dos efeitos negativos da digitalização - 164 arquivos digitalizados do acervo de Alzira Vargas do Amaral Peixoto e extraído os textos das imagens aplicando técnicas de OCR. O principal resultado obtido foi um conjunto de arquivos em formato de texto puro que serviram para a criação de um corpus textual que poderá ser usado como entrada para ferramentas de PLN.