通过表达式提取文本

提炼 → 通过表达式提取文本

这 通过表达式提取文本 API 从文本中提取文本 PDF 它与正则表达式匹配。你发送 PDF 作为 Base64 （docContent）， docName， expression （正则表达式模式）， pageSequence （例如 1-、1-3、1,2,3），以及可选的 async。 这 API 返回 JSON 匹配所有项。请使用下面的测试工具进行尝试；更多详情和表达式示例请参见后续章节。

尝试使用表达式提取文本功能 API

:::备注 快速参考 终点： POST /api/v2/ExtractTextByExpression · 必需的： api-key， docContent， docName， expression， pageSequence :::

在线体验

使用下方表格提交您的 API 钥匙， PDF （Base64），以及正则表达式模式（例如， %， \d+（电子邮件模式）。回复是 JSON 匹配所有文本。无需代码，填写字段并点击。 发送请求.

Loading API Tester...

概述、参数和用例

Overview

什么是表达式提取文本？

此端点从文本中提取文本 PDF 符合正则表达式。您提供 PDF （Base64）， expression （正则表达式模式）， pageSequence （例如，1 表示所有页面，1-3 表示某个范围，1、2、3 表示特定页面），以及可选的 async。 这 API 返回 JSON 匹配所有文本。可用于提取电子邮件、电话号码、日期等。 URLs或任何来自 PDFs。

主要特点

• 正则表达式模式： expression例如 %， \d+电子邮件模式、日期模式、货币。
• 页面定位： pageSequence： 1- （全部）， 1-3 （范围）， 1,2,3 （具体页面）。
• JSON 回复：所有与指定模式匹配的项。
• 异步： 使用 async 大型 PDFs 或者很多场比赛。

:::提示 最适合用于

当您需要从以下来源获取特定数据（电子邮件、数字、日期、金额）时，请使用此方法 PDFs如需查看全文或图片，请使用 提取资源；对于表格，请使用 从PDF中提取表格.

:::

Parameters

API 参数

范围	类型	必需的	描述
api-key	细绳	是的	你的 PDF4me API 钥匙， Base64 已编码。从……获取 仪表板。
docContent	base64	是的	PDF 文件内容（Base64）。
docName	细绳	是的	PDF 文件名，扩展名为.pdf。
expression	细绳	是的	正则表达式模式（例如 %, \d+、电子邮件模式）。
pageSequence	细绳	是的	页码范围：1-（全部），1,2,3，1-5，等等。
async	布尔值	不	启用异步处理。

Use cases

何时使用“按表达式提取文本”

• 电子邮件和 URLs从中提取电子邮件、电话号码或链接 PDFs。
• 数字和金额提取百分比、货币金额或 ID。
• 日期：提取各种格式的日期（MM/DD/YYYY、ISO 等）。
• 结构化数据：提取特定模式（例如发票号码、社会保障号码）以用于工作流程。

需要完整信息 API？

有关请求/响应模式和代码示例，请参阅 通过表达式提取文本 在 PDF4me API 文档。

:::

先决条件

使用此端点之前，请确保您已具备以下条件：

• 有效的 PDF4me API 钥匙 （获得你的 API 钥匙）
• A PDF 文档 Base64 格式或公共 URL 一个 PDF 文件
• 要搜索的正则表达式模式

表达式示例

Basic Patterns

常见的基本正则表达式模式：

• % - 匹配百分比符号（例如，50%，100%）
• \d+ - 匹配一个或多个数字（例如，123、4567）
• \d+\.\d+ - 匹配小数（例如，3.14、99.99）
• [A-Za-z]+ - 匹配一个或多个字母
• \d{4} - 匹配精确的 4 位数字（例如，年份像 2024）

Currency & Percentages

提取财务数据的模式：

• \d+% - 将百分比与数字匹配（例如，50%，100%）
• \$[\d,]+\.?\d* - 核对美元金额（例如，$100、$1,234.56）
• €[\d,]+\.?\d* - 匹配欧元金额（例如，€50、€1,000.00）
• £[\d,]+\.?\d* - 匹配英镑金额（例如，£50、£1,000.00）

Contact Information

从文档中提取联系方式：

• [a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,} - 匹配电子邮件地址（例如， [email protected]）
• \+?[\d\s\-\(\)]{10,} - 匹配电话号码（各种格式）
• https?://[^\s]+ - 匹配 URLs （例如。， https://example.com）

Dates

以各种格式提取日期：

• \d{1,2}/\d{1,2}/\d{2,4} - 匹配日期，例如 2024 年 12 月 25 日或 2024 年 1 月 5 日
• \d{4}-\d{2}-\d{2} - 匹配 ISO 日期（例如，2024-12-25）
• [A-Z]{2,3}\s+\d{1,2}\s+\d{4} - 匹配日期，例如“2024年12月25日”

Text Patterns

提取特定文本模式：

• PDF|pdf - 将单词“匹配起来”PDF（不区分大小写的模式）
• Chapter\s+\d+ - 匹配“章节”后跟数字（例如，第 1 章）
• [A-Z][a-z]+\s+[A-Z][a-z]+ - 匹配大写姓名（例如，John Doe）

Advanced

针对特定用例的复杂模式：

• \b\d{3}-\d{2}-\d{4}\b - 匹配社会安全号码格式（例如，123-45-6789）
• \b\d{4}\s\d{4}\s\d{4}\s\d{4}\b - 核对信用卡号码（16 位数字，带空格）
• [A-Z]{2}\d{2}\s?\d{4}\s?\d{4}\s?\d{4}\s?\d{4}\s?\d{4}\s?\d{4} - 匹配 IBAN 格式

Quick Test Examples

推荐的表达式，供您测试 sample (2).pdf 文件：

1. % - 找出所有百分号（从简单的开始）
2. \d+ 提取文档中的所有数字
3. [a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,} 提取电子邮件地址
4. https?://[^\s]+ - 提取网页链接
5. \d{1,2}/\d{1,2}/\d{2,4} - 提取日期
6. \$[\d,]+\.?\d* 提取美元金额

页面顺序示例：

• 1- - 从第1页到最后一页的所有页面
• 1-3 第1、2和3页
• 1,2,3 - 具体指第1、2和3页
• all - 所有页面（如果支持）

回复格式

这 API 返回一个 JSON 返回与指定正则表达式模式匹配的所有文本。

获取帮助

Get Your API KeyFull DocumentationAPI Tester Home