Saltar al contenido principal
PDF4me APIIntegracionesBase de conocimientosExtensionesProbador de APIBlog

Extraer texto de Word en Make: Recuperación de texto limpio con PDF4me

PDF4me Extraer texto de Word es un Make Módulo que extrae el contenido de texto de un documento de Word, con control de rango de páginas y opciones para eliminar comentarios, encabezados y pies de página, y finalizar primero los cambios registrados. Úselo para alimentar con texto limpio a índices de búsqueda, servicios de traducción o sistemas de minería de texto sin necesidad de abrir Word.

Lo que hace este módulo

PDF4me Extraer texto de Word Devuelve el contenido de texto de un archivo .docx como un único campo de texto extraído, que opcionalmente puede limitarse a un rango de páginas y limpiarse eliminando comentarios, encabezados/pies de página o aceptando primero los cambios registrados. Esta acción reemplaza la apertura manual del documento para copiar su texto.

Entradas de blog relacionadas
Aún no hay ninguna entrada de blog sobre esta función; estará disponible próximamente.
Mientras tanto, echa un vistazo al blog de PDF4me para encontrar tutoriales y flujos de trabajo para todas las plataformas.
Visita el blog →

¿Cómo autentico mi Make ¿Escenario?​

Cada PDF4me módulo en Make requiere un válido Conexión. Crea o selecciona uno que contenga tu PDF4me API clave para que el escenario pueda autenticar de forma segura las solicitudes de extracción de texto.

Get your API Key

Datos importantes que no debes perderte​

La función Aceptar cambios se ejecuta antes de la extracción, no después.
Al activar la opción «Aceptar cambios», se finalizan primero todos los cambios registrados en el documento, de modo que el texto extraído refleje la versión editada. Desactive esta opción si necesita que el texto con marcas de revisión siga estando presente de forma lógica en el código fuente.
El rango de páginas es opcional, no obligatorio.
Los campos "Número de página inicial" y "Número de página final" limitan la extracción a un subconjunto de páginas. Déjelos en blanco para extraer el documento completo en una sola llamada.
El campo del búfer de documentos está etiquetado como Archivo JSON.
A pesar del nombre, Json File contiene el contenido binario mapeado del documento de Word, no JSON texto. Mapéelo exactamente como un búfer de archivo en cualquier otro PDF4me módulo.
Configure el módulo PDF4me Extraer texto de Word con Conexión, Archivo configurado para Asignar con Nombre de archivo de Word y Archivo JSON asignado, Número de página inicial 1, Número de página final 10, y Eliminar comentarios, Eliminar encabezado y pie de página, y Aceptar cambios.

Configure el archivo en el mapa, conecte el nombre del archivo de Word y el archivo JSON del módulo anterior, luego configure un rango de páginas opcional y los interruptores de limpieza.

Parámetros​

Requerido: Siempre se deben proporcionar la conexión y el archivo. El nombre del archivo de Word y el archivo JSON son obligatorios cuando el archivo es un mapa. Los interruptores de rango de páginas y limpieza son opcionales.

ParámetroRequeridoLo que haceEjemplo
ConnectionRequiredPDF4me API connection. Click Add and paste your API key if connecting for the first time.TestUser01
FileRequiredRadio button picking how the source Word document arrives. Pick a quick storage option (Dropbox - Download a File) or choose Map to bind Word File Name and Json File from any prior module.Map
Word File NameConditionalSub-field of File, shown when Map is selected. Filename of the source document including its .docx extension.annual_report.docx
Json FileConditionalSub-field of File, shown when Map is selected. Binary content of the Word document, mapped from the prior module Data output despite the Json label.[Word Buffer]
Start Page NumberOptional1-based page number where extraction begins. Leave blank to start from the first page.1
End Page NumberOptional1-based page number where extraction ends. Leave blank to extract through the last page.10
Remove CommentsOptionalStrips reviewer comments from the extracted text when enabled.Yes
Remove Header FooterOptionalExcludes running headers and footers from the extracted text when enabled, leaving only body content.Yes
Accept ChangesOptionalFinalizes all tracked changes before extraction when enabled, so the text reflects the edited version.Yes

Campos de salida​

CampoTipoLo que contiene
Extracted TextStringComplete text content from the Word document, filtered by the page range and cleanup options selected.

¿Cómo configuro la extracción de texto de Word? Make¿​

  1. Agregar PDF4me → Extraer texto de Word a tu Make escenario.
  2. Seleccionar Conexión (o haga clic Agregar para crear uno con tu PDF4me API llave).
  3. Bajo Archivo, elegir Mapa y cable Nombre del archivo de Word y Archivo JSON desde un módulo anterior (Dropbox, Google Drive o archivo adjunto de correo electrónico).
  4. Opcionalmente se puede configurar Número de página inicial y Número de página final para limitar la extracción a un rango de páginas.
  5. Alternar Eliminar comentarios, Eliminar encabezado y pie de página, y Aceptar cambios según sea necesario. Ejecute el escenario, el texto extraído se devolverá como Texto extraído.

Configuraciones típicas​

Ejemplos de flujo de trabajoCommon Make scenario patterns using Extract Text from Word.
Índice de búsqueda de cláusulas contractuales
  1. Se activa un mecanismo cuando un contrato firmado llega al repositorio.
  2. La opción Obtener archivo descarga el contrato de Word ejecutado.
  3. La función Extraer texto de Word se ejecuta con las opciones Aceptar cambios y Eliminar comentarios habilitadas para obtener una versión final limpia.
  4. El texto extraído se escribe en una base de datos consultable o en un índice de texto completo.
  5. Los pasos posteriores que utilizan expresiones regulares o procesamiento del lenguaje natural (PLN) extraen términos clave, fechas y partes involucradas.
Preparación de la traducción
  1. Un documento se marca para su traducción en el sistema de seguimiento de proyectos.
  2. La función Obtener archivo recupera el archivo de Word de origen.
  3. La función Extraer texto de Word se ejecuta con la opción Eliminar encabezado y pie de página habilitada para aislar el contenido del cuerpo.
  4. El texto limpio se envía a un traductor. API.
  5. El texto traducido se reconstruye en un nuevo documento y se archiva junto con el original.
Migración de contenido heredado
  1. Se extrae un documento antiguo de Word de una carpeta de archivo para su migración.
  2. La función Extraer texto de Word recupera el contenido de texto completo en una sola llamada.
  3. El escenario analiza los encabezados y párrafos del texto devuelto.
  4. Un paso de creación de entrada en el CMS importa el contenido a la nueva plataforma.
  5. El documento original está etiquetado como migrado en el archivo.

Consejos prácticos​

Enable Accept Changes for a final-version extract
If the source document still has open tracked changes, leaving Accept Changes off can pull ambiguous or duplicated text. Turn it on whenever you want the clean, finalized wording.
Use the page range for large documents
Setting Start Page Number and End Page Number avoids pulling an entire multi-hundred-page manual when you only need a specific section.
Remove Header Footer before search indexing
Repeated headers and footers pollute keyword frequency in search indexes and NLP pipelines. Strip them for cleaner downstream analysis.
Map Json File like any other buffer
The label is misleading, it is not a JSON string. Map the binary Data output from the prior module the same way you would for any PDF4me file input.
Pair with Parse JSON only after your own restructuring
Extracted Text is plain text, not structured JSON. If you need individual fields, run your own regex or AI parsing step against Extracted Text first.

Hoja de trucos​

CampoValor
ModuleExtract Text from Word
ConnectionPDF4me API key
Document sourceFile = Map (Word File Name + Json File)
Page rangeStart Page Number / End Page Number (optional)
Cleanup togglesRemove Comments / Remove Header Footer / Accept Changes
OutputExtracted Text (String)

Preguntas frecuentes​

How do I extract text from a Word document in Make?+
Add the PDF4me Extract Text from Word module, connect your API key, set File to Map and supply Word File Name and Json File from a prior module, then run the scenario. The module returns the document text as a single Extracted Text field.
Can I extract text from only part of the document?+
Yes. Set Start Page Number and End Page Number to a 1-based page range. Leave both blank to extract the entire document.
What do Remove Comments, Remove Header Footer, and Accept Changes do?+
Remove Comments strips reviewer comments from the extracted text. Remove Header Footer excludes running headers and footers so only body content comes through. Accept Changes finalizes tracked changes before extraction, so the text reflects the edited version rather than the original with revision marks.
Why is the document content field called Json File?+
Json File is the exact label PDF4me's Make module uses for the mapped binary content of the Word document, even though the value itself is a document buffer rather than JSON text. Map it the same way you would map a file buffer in any other PDF4me module.
What text mining and NLP tasks pair well with this module?+
The extracted text feeds directly into sentiment analysis, keyword extraction, translation services, or full-text search indexing. See <a href="https://learn.microsoft.com/en-us/office/open-xml/word/structure-of-a-wordprocessingml-document" target="_blank" rel="noopener noreferrer">Microsoft's WordprocessingML document structure reference</a> for how text content is organized inside a .docx file.

Casos de uso y aplicaciones en la industria​

  • Análisis de contratos: Extraer texto para análisis de contratos
  • Investigación jurídica: Buscar precedentes en documentos legales
  • Revisión de cumplimiento: Extraer texto para comprobaciones de cumplimiento
  • Descubrimiento: Extraer contenido para el descubrimiento electrónico de pruebas

Acciones relacionadas​

La misma tarea en otras plataformas​

Obtén ayuda​

Make IntegrationGet your API KeyMake Documentation