提取资源 - 文本和图像提取器 API

PDF4me 提取资源 使您能够从中提取文本内容和嵌入的图像 PDF 文件。这 API 服务流程 PDF 从文件中提取文本和图像资源 PDF 文件。 API 接收 PDF 通过内容 REST API 利用电话 Base64 采用编码技术实现安全传输。该解决方案支持选择性提取文本和图像，是内容处理工作流程和数据提取平台的理想之选。

相关博客文章

目前尚无关于此功能的博客文章——敬请期待。

在此期间，您可以浏览 PDF4me 博客，查看适用于各平台的教程和工作流程。

访问博客 →

验证您的身份 API 要求

要访问 PDF4me REST API每个请求都必须包含正确的身份验证凭据。身份验证可确保通信安全，并验证您作为授权用户的身份。 REST API。

Get your api Key

主要特点

• 文本提取提取所有文本内容 PDF 文件
• 图像提取从中检索所有图像和视觉元素 PDF 文件
• 选择性萃取根据您的需求，您可以选择仅提取文本、仅提取图像或两者都提取。
• Base64 编码：使用安全文件内容传输 Base64 编码
• 简单的 API 一体化RESTful API 专为自动化内容提取工作流程而设计

REST API 端点

这 PDF4me REST API 使用标准 HTTP 与资源交互的方法。所有资源提取操作均通过单个端点执行：

• 方法： POST
• 终点： /api/v2/ExtractResources

REST API 参数

提取资源的完整参数列表 REST API参数按类别组织，以便更好地理解和实施。

重要的： 标有星号 (*) 的参数为必填项，必须提供。 API 正常运作。

必需参数

范围	类型	描述	例子
docContent*	Base64 （String）	输入的内容 PDF 文件编码为 Base64 资源提取和内容分析处理的格式	JVBERi...
docName*	String	来源 PDF 文件名应带有正确的 .pdf 扩展名，以便进行文档识别和资源提取处理。	sample.pdf
extractText*	Boolean	选择是否从中提取文本内容 PDF： 真的提取所有带格式的文本内容， 错误的：跳过文本提取，仅进行图像处理	true
extractImages*	Boolean	选择是否从中提取图像 PDF： 真的提取图像和视觉元素 错误的跳过图像提取，加快纯文本处理速度。	true

可选参数

范围	类型	描述	例子
async	Boolean	启用异步处理。 true， 这 API 返回 202 Accepted 与一个 Location 用于轮询结果的标头	true

输出

这 PDF4me 提取资源 REST API 根据处理模式的不同，会返回不同的响应。 API 返回提取的文本和图像。 JSON 回复。

Success Response

同步处理（默认）

什么时候 async 是 false 或者未提供， API 立即返回提取的资源。

状态码： 200 OK

回复格式：

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

响应包含提取的文本（字符串数组）和提取的图像（包含文件名的对象数组）。 Base64编码内容。

Asynchronous Processing

异步处理

什么时候 async 是 true， 这 API 异步处理文档。

初步回应：

状态码： 202 Accepted

响应头：

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

回复正文：

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

民意调查结果：

使用 Location 标题 URL 投票确认完成情况：

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
}

Error Responses

错误响应

状态码	描述	示例回答
400 Bad Request	请求参数无效或缺少必填字段	{"error": "Missing required parameter: docContent"}
401 Unauthorized	无效或缺失 API 钥匙	{"error": "Unauthorized"}
408 请求超时	请求处理超时	{"error": "Request timeout"}
500 Internal Server Error	处理过程中出现服务器错误	{"error": "Internal server error"}

Response Format Details

了解 JSON 回复

资源开采响应是 JSON 包含以下内容的对象：

• 文本列表： Array 包含提取文本内容的字符串（如果 extractText 是 true）
• 图片列表： Array 图像对象（如果 extractImages 是 true）
• 文件名提取的图像文件的名称
• 图片内容： Base64图像的编码内容

解码 Base64 图片内容：

解码并保存 Base64编码图像：

// 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)

请求示例

标题

Content-Type: application/json
Authorization: Basic YOUR_BASE64_ENCODED_API_KEY

笔记：

• 获得你的 API 钥匙来自 PDF4me 仪表板
• 这 API 关键必须是 Base64 编码后以“Basic”为前缀 Authorization 标题
• 例如：如果你的 API 关键是 abc123将其编码为 Base64 并使用 Authorization: Basic YWJjMTIz

有效载荷

基本请求：

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

使用异步处理：

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

代码示例

这 PDF4me 提取资源 REST API 提供多种编程语言的代码示例。请选择最适合您开发环境的语言：

C#

C# (CSharp) 示例

完全的 C# 从资源中提取资源的实现 PDF：

View C# Sample

Java

Java 样本

Java 实现了完整的错误处理和响应处理功能：

View Java Sample

JavaScript

JavaScript 样本

Node.js 并且与浏览器兼容 JavaScript 执行：

View JavaScript Sample

Python

Python 样本

Python 使用 requests 库实现 JSON 处理：

View Python Sample

Salesforce

Salesforce 样本

Salesforce Apex 实施 CRM 一体化：

View Salesforce Sample

n8n

n8n 样本

n8n 自动化工作流程实施：

View n8n Sample

Google Script

Google Apps Script 样本

Google Apps Script 实施 Google Workspace 一体化：

View Google Script Sample

AWS Lambda

AWS Lambda 样本

无服务器 AWS Lambda 函数实现：

View AWS Lambda Sample

图像提取特征

• 高质量图像提取原始分辨率和质量的图像
• 多种格式支持多种图像格式（JPG， PNG， GIF， ETC。）
• 矢量图形提取可缩放矢量图形和图表
• 元数据保存维护图像属性和元数据

高级处理

• 选择性萃取选择仅提取文本、仅提取图像或文本和图像混合提取。
• 批量处理处理多个 PDFs 并高效地提取资源
• 内容分析分析并分类提取的内容类型
• 专业成果适用于企业应用的高质量萃取

行业应用案例及应用

Document Management & Processing

文档管理与处理用例

• 内容数字化从扫描文档中提取文本和图像，用于数字存档
• 文档分析： 分析 PDF 用于信息提取和处理的内容
• 数据迁移：在文档迁移和系统更新期间提取内容
• 内容索引创建可搜索索引 PDF 文本和图像内容

Business & Finance

商业与金融应用案例

• 发票处理从发票中提取文本和图像以进行自动化处理
• 报告分析从财务报告和报表中提取数据和图表
• 合同管理从合同和协议中提取文本和视觉元素
• 合规文件处理监管文件并提取所需信息

Legal & Compliance

法律与合规应用案例

• 法律文件处理从法律文件中提取文本和证据
• 个案管理从案件档案和法律摘要中提取内容
• 监管合规处理合规文件并提取所需数据
• 证据收集提取文本和图像，用于法律证据和文件记录

Healthcare & Medical

医疗保健应用案例

• 医疗记录从患者记录和医疗报告中提取文本和图像
• 研究数据处理研究文件并提取数据和图表
• 临床试验从临床研究文件中提取信息
• 医学影像从医学图像中提取诊断内容 PDFs

Education & Research

教育与研究应用案例

• 学术论文从研究论文和出版物中提取文本和图表
• 教育内容：处理教科书和教育材料
• 研究数据从研究文档中提取数据和图表
• 图书馆数字化将图书馆藏书数字化并提取可搜索内容

Marketing & Content

营销与内容应用案例

• 内容创作提取文本和图像用于内容营销和社交媒体
• 品牌资产从……中提取徽标和品牌元素 PDF 文件
• 设计资源提取创意项目的设计元素和图形
• 内容再利用提取内容以便在不同格式和平台上重复使用

获取帮助

Get Your API KeyAPI SamplesGetting Started