通过表达式提取文本 - 正则表达式搜索 API

PDF4me 通过表达式提取文本 使您能够从中提取特定文本 PDF 使用正则表达式的文档。这 API 服务流程 PDF 从文件中提取与特定模式/表达式匹配的文本 PDF 文件。 API 接收 PDF 通过内容和正则表达式模式 REST API 利用电话 Base64 采用编码技术实现安全传输。该解决方案支持复杂的正则表达式和灵活的页面定位，是文档处理和数据提取工作流程的理想之选。

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

• 正则表达式支持使用正则表达式模式提取文本，实现精确的文本匹配
• 灵活的页面定位：使用自定义页面序列处理特定页面或整个文档
• 模式匹配支持复杂的正则表达式和模式识别
• 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 专为自动化文本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。所有通过表达式进行文本提取的操作都通过单个端点执行：

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

REST API 参数

“按表达式提取文本”功能的完整参数列表 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 文件在 Base64 格式	JVBERi...
docName*	String	来源 PDF 文件名（需包含正确的文件扩展名）	output.pdf
expression*	String	用于文本提取的正则表达式模式。支持标准正则表达式语法，包括分组、量词和锚点。	% 或者 [A-Za-z]+
pageSequence*	String	指定要处理的页面。使用“1-”表示所有页面，“1-3”表示页面范围，“1,2,3”表示特定页面。	1-3

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 通过表达式提取文本 REST API 根据处理模式的不同，会返回不同的响应。 API 返回提取的文本匹配项 JSON 回复。

Success Response

同步处理（默认）

什么时候 async 是 false 或者未提供， API 立即返回提取出的文本匹配项。

状态码： 200 OK

回复格式：

{
  "textList": ["extracted text 1", "extracted text 2", "extracted text 3"]
}

响应包含一个与指定正则表达式模式匹配的文本字符串数组。

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/ExtractTextByExpressionStatus/{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 text matches
}

Error Responses

错误响应

状态码	描述	示例回答
400 Bad Request	请求参数无效、缺少必填字段或正则表达式模式无效	{"error": "Missing required parameter: expression"}
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

文本提取结果为 JSON 包含以下内容的对象：

• 文本列表： Array 包含所有与指定正则表达式模式匹配的文本的字符串

页面顺序格式：

• "1-"处理从第 1 页到最后一页的所有页面
• "1-3"处理第 1、2 和 3 页
• "1,2,3"处理特定页面 1、2 和 3。

表达式示例：

• "%"：匹配百分比符号
• "\\d+"匹配一个或多个数字
• "[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\\.[a-zA-Z]{2,}"匹配电子邮件地址
• "https?://[^\\s]+"匹配网址

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 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": "output.pdf",
  "expression": "%",
  "pageSequence": "1-3"
}

使用异步处理：

{
  "docContent": "JVBERi0xLjQKJeLjz9MK...",
  "docName": "output.pdf",
  "expression": "\\d+",
  "pageSequence": "1-3",
  "async": true
}

代码示例

这 PDF4me 通过表达式提取文本 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# 从表达式中提取文本的实现 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

文本提取功能

正则表达式处理

• 模式匹配完全支持标准正则表达式语法和模式
• 复杂模式支持高级正则表达式功能，包括分组、量词和锚点
• 自定义表达式：针对特定文本提取需求创建灵活的模式
• 模式验证内置正则表达式模式语法和兼容性验证
• 专业成果：可靠的文本提取和精确的模式匹配

页面处理

• 页面定位从特定页面或整个文档中提取文本
• 页面顺序支持自定义页面范围和单个页面选择
• 柔性加工：精确控制地处理任意页面组合
• 批量处理高效地在单个页面中处理多个页面 API 呼叫
• 专业布局在所有目标页面中实现一致的文本提取

高级功能

• 文本分析：综合文本模式分析与识别
• 自定义筛选针对特定文本提取需求的高级筛选选项
• 专业提取高质量文本提取，清晰可见
• 灵活模式支持任何正则表达式模式和文本匹配要求

行业应用案例及应用

Legal & Professional Services

法律及专业服务用例

• 文档分析从合同、发票和法律文件中提取特定数据模式
• 合同分析从法律合同中提取关键术语和数据模式
• 合规性监控从文件中提取监管信息和合规数据
• 法律数据提取从法律文件中提取特定数据模式

Finance & Banking

金融与银行业应用案例

• 发票处理使用模式匹配提取发票数据和字段值
• 财务报告提取特定指标和数据点 PDF 报告
• 合规性监控从文件中提取监管信息和合规数据
• 金融数据挖掘从财务文档中提取结构化数据

Business & Enterprise

商业及企业应用案例

• 数据挖掘从非结构化数据中识别和提取结构化数据 PDF 文件
• 内容处理提取特定文本模式以进行内容管理和分析
• 表单处理使用模式匹配提取表单数据和字段值
• 商业智能提取关键业务指标和绩效指标 PDF 报告

Education & Research

教育与研究应用案例

• 研究应用从研究论文和学术文档中提取特定数据模式
• 学术数据提取从研究论文中提取结构化数据
• 研究分析从学术文档中提取特定指标
• 教育内容处理从教育文档中提取文本模式

Government & Compliance

政府及合规应用案例

• 合规性监控从文件中提取监管信息和合规数据
• 监管数据提取从监管文件中提取结构化数据
• 政府报告从政府报告中提取具体指标
• 公共记录从公共记录和文档中提取数据模式

获取帮助

Get Your API KeyAPI SamplesGetting Started