Extrair texto do Word - Analisador de conteúdo API

PDF4me Extrair texto do Word Permite extrair conteúdo de texto de documentos do Word com opções de intervalo de páginas e filtragem de conteúdo. API O serviço processa arquivos do Word e extrai o conteúdo de texto de documentos do Word com opções personalizáveis. API recebe conteúdo de documento Word através de REST API chamadas, utilizando Base64 Codificação para transmissão segura. Com suporte para seleção de intervalo de páginas, remoção de comentários, filtragem de cabeçalho/rodapé e aceitação de alterações, esta solução é ideal para fluxos de trabalho de processamento de documentos e análise de conteúdo.

Artigos relacionados no blogue

Ainda não há nenhuma publicação no blogue sobre esta funcionalidade — em breve.

Entretanto, explore o blogue da PDF4me para encontrar tutoriais e fluxos de trabalho para todas as plataformas.

Visite o blogue →

Autenticando seu API Solicitar

Para acessar o PDF4me REST APIPara que uma solicitação seja aceita, é necessário incluir as credenciais de autenticação adequadas. A autenticação garante a segurança da comunicação e valida sua identidade como usuário autorizado do sistema. REST API.

Get your api Key

Principais características

• Suporte para documentos do WordExtrair texto de documentos do Microsoft Word (.doc, .docx)
• Seleção de intervalo de páginasProcessar intervalos de páginas específicos ou documentos inteiros com números de página inicial e final personalizados.
• Filtragem de conteúdoRemova comentários, cabeçalhos, rodapés e o controle de alterações para uma extração de texto limpa.
• Base64 CodificaçãoTransmissão segura de conteúdo de arquivos usando Base64 codificação
• Simple API IntegraçãoRESTful API Projetado para fluxos de trabalho automatizados de processamento de documentos do Word.

REST API Ponto final

O PDF4me REST API usa padrão HTTP Métodos para interagir com recursos. Todas as operações de extração de texto do Word são realizadas por meio de um único ponto de extremidade:

• Método: POST
• Ponto final: /api/v2/ExtractTextFromWord

REST API Parâmetros

Lista completa de parâmetros para a função Extrair Texto do Word REST APIOs parâmetros estão organizados por categoria para melhor compreensão e implementação.

Importante: Os parâmetros marcados com um asterisco (*) são obrigatórios e devem ser fornecidos para o API para funcionar corretamente.

Parâmetros obrigatórios

Parâmetro	Tipo	Descrição	Exemplo
docName*	String	Nome do arquivo Word de origem (sem extensão ou com extensão .docx/.doc)	output
docContent*	Base64 (String)	O conteúdo do documento Word de entrada em Base64 formato	JVBERi...
StartPageNumber*	Integer	Número da página inicial para extração de texto	1
EndPageNumber*	Integer	Número da página final para extração de texto	3
RemoveComments*	Boolean	Escolha se deseja remover os comentários do texto extraído: verdadeiroRemover comentários, falsoIncluir comentários	true
RemoveHeaderFooter*	Boolean	Escolha se deseja remover cabeçalhos e rodapés: verdadeiroRemover cabeçalhos/rodapés, falsoIncluir cabeçalhos/rodapés	true
AcceptChanges*	Boolean	Escolha se deseja aceitar as alterações controladas: verdadeiroAceitar alterações, falsoRejeitar alterações	true

Parâmetros opcionais

Parâmetro	Tipo	Descrição	Exemplo
async	Boolean	Ative o processamento assíncrono. Quando true, o API retornos 202 Accepted com um Location cabeçalho para consultar o resultado	false

Saída

O PDF4me Extrair texto do Word REST API Retorna respostas diferentes dependendo do modo de processamento. API Retorna o texto extraído como um JSON resposta ou arquivo de texto.

Success Response

Processamento síncrono (padrão)

Quando async é false ou não fornecido, o API Retorna o texto extraído imediatamente.

Código de status: 200 OK

Formato da resposta:

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

Ou como um arquivo de texto:

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

A resposta contém o conteúdo textual extraído do intervalo de páginas especificado.

Asynchronous Processing

Processamento assíncrono

Quando async é true, o API Processa o documento de forma assíncrona.

Resposta inicial:

Código de status: 202 Accepted

Cabeçalhos de resposta:

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

Corpo da resposta:

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

Votação para apuração dos resultados:

Use o Location cabeçalho URL Para verificar a conclusão da pesquisa:

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

Respostas de erro

Código de status	Descrição	Exemplo de resposta
400 Bad Request	Parâmetros de solicitação inválidos ou campos obrigatórios ausentes	{"error": "Missing required parameter: docContent"}
401 Unauthorized	Inválido ou ausente API chave	{"error": "Unauthorized"}
408 Tempo limite da solicitação	Tempo limite de processamento da solicitação	{"error": "Request timeout"}
500 Internal Server Error	Erro do servidor durante o processamento	{"error": "Internal server error"}

Response Format Details

Entendendo a Resposta

A resposta da extração de texto pode estar em dois formatos:

• JSON FormatoContém extractedText (string) e fileName (corda)
• Formato de textoArquivo de texto simples com o conteúdo extraído.

Detalhes dos parâmetros:

• StartPageNumber e EndPageNumberDefina o intervalo de páginas (indexação baseada em 1)
• RemoveComments: Quando trueRemove todos os comentários do documento Word antes da extração.
• RemoveHeaderFooter: Quando trueRemove cabeçalhos e rodapés de cada página antes da extração.
• AcceptChanges: Quando true, aceita todas as alterações rastreadas no documento do Word antes da extração

Formatos do Word suportados:

• .docx (Word 2007 e versões posteriores)
• .doc (Palavra 97-2003)

Exemplo de solicitação

Cabeçalho

Content-Type: application/json
Authorization: Basic YOUR_BASE64_ENCODED_API_KEY

Observação:

• Adquira o seu API chave do PDF4me Painel
• O API a chave deve ser Base64 codificado e prefixado com "Básico" no Authorization cabeçalho
• Exemplo: Se o seu API chave é abc123, codifique-o para Base64 e usar Authorization: Basic YWJjMTIz

Carga útil

Solicitação básica:

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

Com processamento assíncrono:

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

Exemplos de código

O PDF4me Extrair texto do Word REST API Fornece exemplos de código em várias linguagens de programação. Escolha a linguagem que melhor se adapta ao seu ambiente de desenvolvimento:

C#

C# (CSharp) Exemplo

Completo C# Implementação para extrair texto de documentos do Word:

View C# Sample

Java

Java Amostra

Java Implementação com tratamento completo de erros e processamento de respostas:

View Java Sample

JavaScript

JavaScript Amostra

Node.js e compatível com navegadores JavaScript Implementação:

View JavaScript Sample

Python

Python Amostra

Python implementação com a biblioteca requests e JSON manuseio:

View Python Sample

Salesforce

Salesforce Amostra

Salesforce Apex implementação para CRM integração:

View Salesforce Sample

n8n

n8n Amostra

n8n Implementação de fluxo de trabalho para automação:

View n8n Sample

Google Script

Google Apps Script Amostra

Google Apps Script implementação para Google Workspace integração:

View Google Script Sample

AWS Lambda

AWS Lambda Amostra

Sem servidor AWS Lambda Implementação da função:

View AWS Lambda Sample

Recursos de extração de texto Word

Processamento de Documentos

• Suporte ao formato WordSuporte completo para os formatos de documento .doc e .docx do Microsoft Word.
• Preservação de FormatoMantém a formatação e a estrutura do texto durante a extração.
• Documentos complexosLida com documentos complexos do Word que contêm tabelas, imagens e conteúdo incorporado.
• Processamento profissionalExtração de texto de alta qualidade com preservação precisa do conteúdo.
• Entrada flexívelSuporte para diversas versões e formatos de documentos do Word.

Processamento de página

• Seleção de intervalo de páginasExtrair texto de intervalos de páginas específicos com números de página inicial e final.
• Segmentação flexívelProcessar páginas individuais, intervalos de páginas ou documentos inteiros.
• Processamento personalizadoSuporte para qualquer combinação de páginas com controle preciso.
• Processamento em loteGerencie várias páginas de forma eficiente em uma única tela. API ligações
• Layout profissionalExtração de texto consistente em todas as páginas de destino.

Filtragem de conteúdo

• Remoção de comentáriosOpção para excluir comentários e anotações do texto extraído.
• Filtragem de cabeçalho/rodapéRemova cabeçalhos e rodapés para extrair conteúdo de forma limpa.
• Rastreamento de alteraçõesAceitar ou rejeitar alterações controladas durante a extração de texto.
• Limpeza de conteúdoOpções avançadas de filtragem para necessidades específicas de extração de texto.
• Resultados profissionaisSaída de texto limpa e formatada com preservação precisa do conteúdo.

Casos de uso e aplicações industriais

Business & Enterprise

Casos de uso para empresas e negócios

• Análise de DocumentosExtrair conteúdo textual de documentos do Word para análise e processamento.
• Gestão de ConteúdoExtrair texto de documentos do Word para sistemas de gerenciamento de conteúdo
• Processamento de relatóriosExtrair texto de relatórios do Word para processamento e análise automatizados.
• Inteligência de NegóciosExtrair texto de documentos comerciais do Word para análise de dados.

Legal & Professional Services

Casos de uso de serviços jurídicos e profissionais

• Processamento de Documentos LegaisExtrair texto de documentos jurídicos do Word para gestão de casos.
• Análise de ContratoExtrair texto de contratos e documentos legais
• Gestão de CasosExtrair texto de documentos jurídicos para sistemas de gestão de processos
• Pesquisa JurídicaExtrair texto de documentos jurídicos para fins de pesquisa e análise.

Education & Research

Casos de uso em educação e pesquisa

• Pesquisa acadêmicaExtrair texto de documentos acadêmicos do Word para pesquisa e análise.
• Documentos de pesquisaExtrair texto de artigos de pesquisa e documentos acadêmicos.
• Conteúdo EducacionalExtrair texto de documentos educacionais do Word
• Análise AcadêmicaExtrair texto de documentos acadêmicos para análise.

Government & Compliance

Casos de uso para governo e conformidade

• Monitoramento de ConformidadeExtrair texto de documentos de conformidade do Word para fins de monitoramento e auditoria.
• Documentação regulamentarExtrair texto de documentos regulamentares do Word
• Relatórios governamentaisExtrair texto de documentos do governo em formato Word.
• Registros PúblicosExtrair texto de documentos do Word de registros públicos

Technology & Development

Casos de uso de tecnologia e desenvolvimento

• Migração de dadosConverter o conteúdo de documentos do Word para outros formatos para migração de dados.
• Processamento de conteúdoExtrair texto de documentos do Word para integração de sistemas
• API IntegraçãoExtrair texto de documentos do Word para API processamento
• Extração de dadosExtrair texto de documentos do Word para processamento de dados.

Obtenha ajuda

Get Your API KeyAPI SamplesGetting Started