Wordからテキストを抽出する - コンテンツパーサー API

PDF4me ワードからテキストを抽出する ページ範囲やコンテンツのフィルタリングオプションを使用して、Word文書からテキストコンテンツを抽出できます。 API このサービスは、Word ファイルを処理し、カスタマイズ可能なオプションを使用して Word 文書からテキスト コンテンツを抽出します。 API Word文書コンテンツは以下を通じて受信されます REST API 通話を利用して Base64 安全なデータ送信のためのエンコード機能を搭載。ページ範囲選択、コメント削除、ヘッダー/フッターフィルタリング、変更承認などの機能をサポートしており、文書処理やコンテンツ分析のワークフローに最適です。

関連ブログ記事

この機能に関するブログ記事はまだありません。近日公開予定です。

その間、PDF4me ブログを閲覧して、あらゆるプラットフォームのチュートリアルやワークフローをご覧ください。

ブログをご覧ください →

認証 API リクエスト

アクセスするには PDF4me REST APIすべてのリクエストには適切な認証情報を含める必要があります。認証により安全な通信が保証され、あなたが正規のユーザーであることが検証されます。 REST API。

Get your api Key

主な機能

• Word文書のサポートMicrosoft Word文書（.doc、.docx）からテキストを抽出する
• ページ範囲の選択特定のページ範囲または文書全体を、カスタムの開始ページ番号と終了ページ番号で処理します。
• コンテンツフィルタリングコメント、ヘッダー、フッター、変更履歴を削除して、クリーンなテキストを抽出します。
• Base64 エンコーディング: 安全なファイルコンテンツ送信 Base64 エンコーディング
• 単純 API 統合: 安らかな API 自動化されたWord文書処理ワークフロー向けに設計されています。

REST API 終点

の PDF4me REST API 標準を使用する HTTP リソースとやり取りするための方法。すべてのWordテキスト抽出操作は、単一のエンドポイントを介して実行されます。

• 方法： POST
• 終点： /api/v2/ExtractTextFromWord

REST API パラメータ

Wordからテキストを抽出するためのパラメータの完全なリスト REST APIパラメータは、理解と実装を容易にするためにカテゴリ別に整理されています。

重要： アスタリスク (*) が付いているパラメータは必須であり、提供する必要があります。 API 正しく機能するため。

パラメータ	必須	その機能	例
jobIdExt	Optional	Your own reference for this call. It is stored with the API call log so you can correlate calls with your jobs. Type: string.
integrations	Optional	Integration identifiers, forwarded unchanged with the job's notification settings. Type: array.
isAsync	Optional	Set to `true` to process the action asynchronously and get a job to poll at `/api/v2/GetActionStatus`. Only honoured by actions that support asynchronous processing. Type: boolean.	false
docName	Optional	Source file name including its extension. Several actions dispatch on the extension, so it should always be set; when omitted a per-action default is used. Type: string.	output
docContent	Required	The source file. Accepts the base64-encoded file content, a `pdf4meblobid://<id>` reference to a previously uploaded blob, or an `https` URL to the source document. Required: an empty value fails with `File is empty`. Type: string.	JVBERi...
docContentBytes	Optional	Alternative raw byte payload for the source file. Type: string.
callBackUrl	Optional	Optional URL notified when an asynchronous job completes. Type: string.
startPageNumber	Optional	First page to extract text from, e.g. `1`. Type: integer.	1
endPageNumber	Optional	Last page to extract text from, e.g. `3`. Type: integer.	3
removeComments	Optional	Leave comments out of the extracted text. Type: boolean.	true
removeHeaderFooter	Optional	Leave headers and footers out of the extracted text. Type: boolean.	true
acceptChanges	Optional	Accept tracked changes before extracting the text. Type: boolean.	true

出力

の PDF4me ワードからテキストを抽出する REST API 処理モードに基づいて異なる応答を返します。 API 抽出されたテキストを JSON 応答 または テキストファイル。

Success Response

同期処理（デフォルト）

いつ async は false または提供されていない場合、 API 抽出されたテキストを即座に返します。

ステータスコード: 200 OK

回答形式：

{
"extractedText": "Extracted text content from Word document pages 1 to 3...",
"fileName": "output.txt"
}

またはテキストファイルとして：

Extracted text content from Word document pages 1 to 3...

レスポンスには、指定されたページ範囲から抽出されたテキストコンテンツが含まれています。

Asynchronous Processing

非同期処理

いつ async は true、 API ドキュメントを非同期的に処理します。

初期対応:

ステータスコード: 202 Accepted

レスポンスヘッダー:

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

応答本文：

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

結果発表のための世論調査：

使用する Location ヘッダー URL 完了をポーリングする:

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 text
}

Error Responses

エラー応答

ステータスコード	説明	回答例
400 Bad Request	無効なリクエストパラメータ、または必須フィールドが欠落しています	{"error": "Missing required parameter: docContent"}
401 Unauthorized	無効または欠落 API 鍵	{"error": "Unauthorized"}
408 リクエストタイムアウト	リクエスト処理タイムアウト	{"error": "Request timeout"}
500 Internal Server Error	処理中にサーバーエラーが発生しました。	{"error": "Internal server error"}

Response Format Details

反応を理解する

テキスト抽出の応答は、次の2つの形式になります。

• JSON 形式: 含まれる extractedText （文字列） fileName （弦）
• テキスト形式抽出されたコンテンツを含むプレーンテキストファイル

パラメータの詳細:

• StartPageNumber そして EndPageNumberページ範囲を定義します（1ベースのインデックス）。
• RemoveComments： いつ true抽出前にWord文書からすべてのコメントを削除します。
• RemoveHeaderFooter： いつ true抽出前に各ページからヘッダーとフッターを削除します。
• AcceptChanges： いつ true抽出前にWord文書内のすべての変更履歴を受け入れる

サポートされているWord形式：

• .docx （Word 2007以降）
• .doc （ワード97-2003）

リクエスト例

ヘッダ

Content-Type: application/json
Authorization: Basic YOUR_BASE64_ENCODED_API_KEY

注記：

• 手に入れよう API 鍵から PDF4me ダッシュボード
• の API キーは Base64 エンコードされ、「Basic」がプレフィックスとして付加されています。 Authorization ヘッダー
• 例: API 重要なのは abc123エンコードして Base64 そして使用する Authorization: Basic YWJjMTIz

ペイロード

基本的なリクエスト:

{
 "docContent": "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",
 "docName": "output",
 "StartPageNumber": 1,
 "EndPageNumber": 3,
 "RemoveComments": true,
 "RemoveHeaderFooter": true,
 "AcceptChanges": true
}

非同期処理の場合：

{
 "docContent": "JVBERi0xLjQKJeLjz9MK...",
 "docName": "output",
 "StartPageNumber": 1,
 "EndPageNumber": 3,
 "RemoveComments": true,
 "RemoveHeaderFooter": true,
 "AcceptChanges": true,
 "async": true
}

コードサンプル

の PDF4me ワードからテキストを抽出する REST API 複数のプログラミング言語のコードサンプルを提供します。開発環境に最適な言語を選択してください。

C#

C# (CSharp) サンプル

完了 C# Word文書からテキストを抽出するための実装：

View C# Sample

Java

Java サンプル

Java 完全なエラー処理と応答処理を備えた実装：

View Java Sample

JavaScript

JavaScript サンプル

Node.js ブラウザ互換 JavaScript 実装：

View JavaScript Sample

Python

Python サンプル

Python requestsライブラリを使用した実装と JSON 処理:

View Python Sample

Salesforce

Salesforce サンプル

Salesforce Apex 実装 CRM 統合：

View Salesforce Sample

n8n

n8n サンプル

n8n 自動化のためのワークフロー実装：

View n8n Sample

Google Script

Google Apps Script サンプル

Google Apps Script 実装 Google Workspace 統合：

View Google Script Sample

AWS Lambda

AWS Lambda サンプル

サーバーレス AWS Lambda 関数実装:

View AWS Lambda Sample

単語テキスト抽出機能

文書処理

• Word形式のサポートMicrosoft Word文書形式（.docおよび.docx）を完全にサポートしています。
• フォーマットの保持: 抽出中にテキストの書式と構造を維持します
• 複雑な文書表、画像、埋め込みコンテンツを含む複雑なWord文書を処理できます。
• 専門的な処理高品質なテキスト抽出と正確なコンテンツ保持
• 柔軟な入力: さまざまなWord文書のバージョンと形式に対応

ページ処理

• ページ範囲の選択開始ページ番号と終了ページ番号を指定して、特定のページ範囲からテキストを抽出します。
• 柔軟なターゲティング個々のページ、ページ範囲、または文書全体を処理します。
• カスタム処理: あらゆるページ組み合わせを精密に制御してサポートします
• バッチ処理: 複数のページを効率的に処理 API 電話
• プロフェッショナルなレイアウト: 対象ページ全体で一貫したテキスト抽出

コンテンツフィルタリング

• コメント削除抽出したテキストからコメントと注釈を除外するオプション
• ヘッダー/フッターのフィルタリングヘッダーとフッターを削除して、コンテンツをきれいに抽出します。
• 変更追跡テキスト抽出中に追跡された変更を承認または拒否する
• コンテンツのクリーンアップ特定のテキスト抽出ニーズに対応する高度なフィルタリングオプション
• プロフェッショナルな成果: 正確なコンテンツ保持を備えた、クリーンでフォーマット済みのテキスト出力

業界におけるユースケースとアプリケーション

Business & Enterprise

ビジネスおよび企業向けユースケース

• 文書分析: 分析および処理のために、Word 文書からテキスト コンテンツを抽出します。
• コンテンツ管理: コンテンツ管理システム向けにWord文書からテキストを抽出する。
• レポート処理Wordレポートからテキストを抽出し、自動処理と分析を行う。
• ビジネスインテリジェンス: データ分析のためにWordビジネス文書からテキストを抽出する。

Legal & Professional Services

法律・専門サービスにおけるユースケース

• 法律文書処理: 訴訟管理のために法律関連のWord文書からテキストを抽出する
• 契約分析契約書や法律文書からテキストを抽出する
• ケースマネジメント: 訴訟管理システム向けに法律文書からテキストを抽出する。
• 法律調査: 調査および分析のために法的文書からテキストを抽出する。

Education & Research

教育・研究における活用事例

• 学術研究学術的なWord文書からテキストを抽出して、研究や分析に活用する。
• 研究資料研究論文や学術文書からテキストを抽出する
• 教育コンテンツ教育関連のWord文書からテキストを抽出する
• 学術分析学術文書からテキストを抽出して分析する。

Government & Compliance

政府およびコンプライアンス関連のユースケース

• コンプライアンス監視: 監視および監査のために、Word コンプライアンス文書からテキストを抽出します。
• 規制関連文書規制関連のWord文書からテキストを抽出する
• 政府報告書政府文書（Word文書）からテキストを抽出する
• 公文書: 公開記録のWord文書からテキストを抽出する

Technology & Development

テクノロジーと開発のユースケース

• データ移行データ移行のために、Word文書の内容を他の形式に変換する。
• コンテンツ処理システム統合のためにWord文書からテキストを抽出する
• API 統合: Word文書からテキストを抽出します API 処理中
• データ抽出データ処理のためにWord文書からテキストを抽出する。

ヘルプが必要な場合

Get Your API KeyAPI SamplesGetting Started