Extraer recursos - Extractor de texto e imágenes API

PDF4me Extraer recursos te permite extraer contenido de texto e imágenes incrustadas de PDF documentos. Este API procesos de servicio PDF archivos y extrae recursos de texto e imagen de PDF Los documentos. El API recibe PDF contenido a través de REST API llamadas, utilizando Base64 Codificación para una transmisión segura. Gracias a su compatibilidad con la extracción selectiva de texto e imágenes, esta solución es ideal para flujos de trabajo de procesamiento de contenido y plataformas de extracción de datos.

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 →

Autenticando su API Pedido

Para acceder al PDF4me REST APICada solicitud debe incluir las credenciales de autenticación adecuadas. La autenticación garantiza una comunicación segura y valida su identidad como usuario autorizado del sistema. REST API.

Get your api Key

Características principales

Extracción de texto: Extraer todo el contenido de texto de PDF documentos
Extracción de imágenes: Recuperar todas las imágenes y elementos visuales de PDF documentos
Extracción selectivaElija extraer solo texto, solo imágenes o ambos según sus necesidades.
Base64 Codificación: Transmisión segura del contenido de los archivos mediante Base64 codificación
Simple API Integración: RESTful API Diseñado para flujos de trabajo de extracción de contenido automatizados.

REST API Punto final

El PDF4me REST API utiliza estándar HTTP métodos para interactuar con los recursos. Todas las operaciones de extracción de recursos se realizan a través de un único punto final:

Método: POST
Punto final: /api/v2/ExtractResources

REST API Parámetros

Lista completa de parámetros para la extracción de recursos REST APILos parámetros están organizados por categoría para una mejor comprensión e implementación.

Importante: Los parámetros marcados con un asterisco (*) son obligatorios y deben proporcionarse para la API para que funcione correctamente.

Parámetros requeridos

Parámetro	Tipo	Descripción	Ejemplo
docContent*	Base64 (String)	El contenido de la entrada PDF archivo codificado en Base64 formato para el procesamiento de extracción de recursos y análisis de contenido	`JVBERi...`
docName*	String	Fuente PDF Nombre de archivo con la extensión .pdf adecuada para la identificación del documento y el procesamiento de extracción de recursos.	`sample.pdf`
extractText*	Boolean	Elija si desea extraer el contenido de texto del PDF: verdadero: Extraer todo el contenido de texto con formato, FALSO: Omitir la extracción de texto para el procesamiento solo de imágenes	`true`
extractImages*	Boolean	Elija si desea extraer imágenes de la PDF: verdadero: Extraer imágenes y elementos visuales, FALSOOmitir la extracción de imágenes para un procesamiento de texto más rápido	`true`

Parámetros opcionales

Parámetro	Tipo	Descripción	Ejemplo
async	Boolean	Habilitar el procesamiento asíncrono. Cuando `true`, el API devoluciones `202 Accepted` con un `Location` encabezado para sondear el resultado	`true`

Producción

El PDF4me Extraer recursos REST API devuelve diferentes respuestas según el modo de procesamiento. API devuelve el texto y las imágenes extraídos como un JSON respuesta.

Success Response
Asynchronous Processing
Error Responses
Response Format Details

Procesamiento síncrono (predeterminado)

Cuando async es false o no proporcionado, el API Devuelve los recursos extraídos inmediatamente.

Código de estado: 200 OK

Formato de respuesta:

{
"textList": ["extracted text content...", "more text..."],
"imageList": [
{
"fileName": "image1.png",
"imageContent": "base64-encoded-image-content..."
},
{
"fileName": "image2.jpg",
"imageContent": "base64-encoded-image-content..."
}
]
}

La respuesta contiene texto extraído como una matriz de cadenas e imágenes extraídas como una matriz de objetos con nombres de archivo y Base64-contenido codificado.

Procesamiento asíncrono

Cuando async es true, el API procesa el documento de forma asíncrona.

Respuesta inicial:

Código de estado: 202 Accepted

Encabezados de respuesta:

Location: https://api.pdf4me.com/api/v2/ExtractResourcesStatus/{operationId}

Cuerpo de la respuesta:

{
"traceId": "operation-trace-id"
}

Encuesta para obtener resultados:

Utilice el Location encabezado URL para consultar la finalización:

const response = await fetch(locationUrl, {
headers: { 'Authorization': 'Basic ' + apiKey }
});

// Continue polling until status code is 200
if (response.status === 200) {
const result = await response.json();
// Process extracted resources
}

Respuestas de error

Código de estado	Descripción	Ejemplo de respuesta
400 Bad Request	Parámetros de solicitud no válidos o campos obligatorios faltantes.	`{"error": "Missing required parameter: docContent"}`
401 Unauthorized	Inválido o faltante API llave	`{"error": "Unauthorized"}`
408 Tiempo de espera de solicitud agotado	Tiempo de espera agotado para el procesamiento de la solicitud.	`{"error": "Request timeout"}`
500 Internal Server Error	Error del servidor durante el procesamiento	`{"error": "Internal server error"}`

Comprender el JSON Respuesta

La respuesta de extracción de recursos es una JSON objeto que contiene:

Lista de texto: Array de cadenas que contienen contenido de texto extraído (si extractText es true)
lista de imágenes: Array de objetos de imagen (si extractImages es true)
Nombre del archivo: El nombre del archivo de imagen extraído
contenido de la imagen: Base64-contenido codificado de la imagen

Decodificación Base64 Contenido de la imagen:

Para decodificar y guardar Base64-imágenes codificadas:

// JavaScript
const decoded = atob(base64String);
const blob = new Blob([decoded], { type: 'image/png' });
const url = URL.createObjectURL(blob);

# Python
import base64
image_data = base64.b64decode(base64_string)
with open('extracted_image.png', 'wb') as f:
f.write(image_data)

Ejemplo de solicitud

Encabezamiento

Content-Type: application/json
Authorization: Basic YOUR_BASE64_ENCODED_API_KEY

Nota:

Consigue tu API clave del PDF4me Panel

El API La clave debe ser Base64 codificado y prefijado con "Basic" en el Authorization encabezado

Ejemplo: Si su API La clave es abc123, codificarlo a Base64 y usar Authorization: Basic YWJjMTIz

Carga útil

Solicitud básica:

{
 "docContent": "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",
 "docName": "sample.pdf",
 "extractText": true,
 "extractImages": true
}

Con procesamiento asíncrono:

{
 "docContent": "JVBERi0xLjQKJeLjz9MK...",
 "docName": "sample.pdf",
 "extractText": true,
 "extractImages": true,
 "async": true
}

Ejemplos de código

El PDF4me Extraer recursos REST API Proporciona ejemplos de código en varios lenguajes de programación. Elija el lenguaje que mejor se adapte a su entorno de desarrollo:

C# (CSharp) Muestra

Completo C# implementación para extraer recursos de PDF:

View C# Sample

Características de extracción de imágenes

Imágenes de alta calidad: Extraer imágenes con resolución y calidad originales
Múltiples formatos: Compatibilidad con varios formatos de imagen (JPG, PNG, GIF, etc.)
Gráficos vectoriales: Extraer gráficos y diagramas vectoriales escalables
Preservación de metadatos: Mantener las propiedades y los metadatos de las imágenes.

Procesamiento avanzado

Extracción selectiva: Elija entre extracción solo de texto, solo de imagen o combinada.
Procesamiento por lotes: Procesar múltiples PDFs y extraer recursos de manera eficiente
Análisis de contenidoAnalizar y categorizar los tipos de contenido extraídos.
Resultados profesionalesExtracción de alta calidad adecuada para aplicaciones empresariales.

Casos de uso y aplicaciones en la industria

Casos de uso para la gestión y el procesamiento de documentos

Digitalización de contenidos: Extraer texto e imágenes de documentos escaneados para archivos digitales.
Análisis de documentosAnalizar PDF contenido para la extracción y procesamiento de información
Migración de datos: Extraer contenido durante la migración de documentos y las actualizaciones del sistema.
Indexación de contenido: Crear índices de búsqueda desde PDF contenido de texto e imágenes

Obtén ayuda

Get Your API Key API Samples Getting Started

Autenticando su API Pedido​

Características principales​

REST API Punto final​

REST API Parámetros​

Parámetros requeridos​

Parámetros opcionales​

Producción​

Ejemplo de solicitud​

Encabezamiento​

Carga útil​

Ejemplos de código​

Características de extracción de imágenes​

Procesamiento avanzado​

Casos de uso y aplicaciones en la industria​

Obtén ayuda​