Instalación

El paquete es available en PyPI y se puede instalar a través de pip ejecutando el siguiente comando:

pip install groupdocs-parser-cloud

Requisitos

• Python 2.7 o 3.4+
• administrador de paquetes pip
• Credenciales de nube de GroupDocs — Client ID and Client Secret desde el tablero

Dependencias

El SDK instala automáticamente los siguientes paquetes:

Análisis de documentos y extracción de datos API REST de Python Cloud

GroupDocs.Parser Cloud SDK para Python permite a los desarrolladores integrar el análisis avanzado de documentos y la extracción de datos en aplicaciones web, scripts y flujos de trabajo de automatización de Python. Extraiga texto, imágenes, metadatos y datos estructurados de más de 70 formatos de archivo, incluidos Word, Excel, PDF, presentaciones, correos electrónicos, archivos y libros electrónicos. Defina plantillas de extracción personalizadas para extraer campos de texto, números y tablas de facturas, formularios y documentos comerciales. Ya sea analizando un solo archivo o procesando elementos contenedores de archivos ZIP, almacenes de correo PST/OST o carteras de PDF, GroupDocs.Parser ofrece herramientas precisas y escalables para inteligencia documental basada en la nube.

Extracción de texto

Extraer texto sin formato: extraiga contenido de texto de documentos de forma sencilla.
Extraer texto formateado: extrae texto conservando el formato original.
Extraer texto por rango de páginas: extrae texto solo de páginas específicas.
Extraiga texto de contenedores: extraiga texto de documentos dentro de archivos ZIP, archivos PST/OST y carteras PDF.

Extracción de imágenes

Extrae todas las imágenes: extrae cada imagen incrustada de un documento completo.
Extraer imágenes por rango de páginas: extrae imágenes de páginas específicas según un rango de páginas.
Extraer imágenes de contenedores: extraiga imágenes de documentos dentro de archivos contenedores.

Análisis basado en plantillas

Analizar por plantilla: analiza documentos utilizando plantillas definidas por el usuario para la extracción de datos estructurados.
Crear o actualizar plantillas: defina y almacene plantillas de extracción en el almacenamiento en la nube.
Obtener y eliminar plantillas: recupere o elimine plantillas almacenadas en el almacenamiento del usuario.
Analizar por objeto de plantilla: pase una definición de plantilla directamente en la solicitud de API.

Información del documento

Obtener información del documento: recupere la extensión del archivo, el tamaño en bytes y el recuento de páginas.
Obtenga información sobre los elementos del contenedor: enumere elementos dentro de archivos ZIP, carteras de PDF y almacenes de correo.
Obtenga formatos de archivo compatibles: recupere la lista completa de formatos de análisis compatibles.

Operaciones de archivos

Cargar archivos a la nube: cargue archivos al almacenamiento en la nube a través de la API.
Descargar archivos desde la nube: descargue archivos desde el almacenamiento en la nube a sistemas locales.
Copiar archivos: copie archivos dentro del almacenamiento en la nube a diferentes ubicaciones.
Mover archivos: mueva archivos entre carpetas en el almacenamiento en la nube.
Eliminar archivos: elimina archivos específicos del almacenamiento en la nube.

Operaciones de carpeta

Crear carpeta: crea nuevas carpetas en el almacenamiento en la nube.
Copiar carpeta: carpetas duplicadas dentro del almacenamiento en la nube.
Mover carpeta: mueve carpetas entre directorios en el almacenamiento en la nube.
Eliminar carpeta: elimina carpetas enteras del almacenamiento en la nube.

Licencias y autenticación

Modo de evaluación: prueba la API con una cuenta de prueba gratuita.
Autenticación segura: utilice el ID de cliente y el secreto de cliente para obtener acceso seguro a la API.
Licencia MIT: el SDK para Python tiene la licencia de MIT License.

Formatos de documentos admitidos

GroupDocs.Parser Cloud admite más de 70 formatos de archivo con capacidades de extracción de texto, extracción de imágenes y análisis basado en plantillas:

• Procesamiento de textos: DOC, DOCX, DOCM, DOT, DOTX, DOTM, TXT, RTF, ODT, OTT -**PDF:**PDF
• Marcado: HTML, XHTML, MHTML, MD, XML
• libros electrónicos: CHM, EPUB, FB2
• Hojas de cálculo: XLS, XLT, XLSX, XLSM, XLSB, XLTX, XLTM, ODS, OTS, CSV, XLA, XLAM, NUMBERS
• Presentaciones: PPT, PPS, POT, PPTX, PPTM, POTX, POTM, PPSX, PPSM, ODP, OTP
• Correos electrónicos: PST, OST, EML, EMLX, MSG
• Notas: UNO (Microsoft OneNote)
• Archivos: Código postal

Las operaciones admitidas varían según el formato. Para obtener la matriz de formato completa, consulte la documentation.

Inicio rápido

Obtenga sus credenciales API

Para utilizar GroupDocs.Parser Cloud, regístrese en GroupDocs.Cloud Dashboard y obtenga su ID de cliente y su Secreto de cliente.

Inicializar la API

Utilice el siguiente código para comenzar a utilizar GroupDocs.Parser Cloud SDK para Python:

import groupdocs_parser_cloud

# Get your ClientId and ClientSecret at https://dashboard.groupdocs.cloud
client_id = "YourClientId"
client_secret = "YourClientSecret"

# Create API configuration
configuration = groupdocs_parser_cloud.Configuration(client_id, client_secret)
configuration.api_base_url = "https://api.groupdocs.cloud"

# Create instance of the Parse API
parse_api = groupdocs_parser_cloud.ParseApi.from_config(configuration)

Extraer texto de un documento

Una vez inicializado, utilice este ejemplo básico para extraer texto de un documento en el almacenamiento en la nube:

import groupdocs_parser_cloud

client_id = "YourClientId"
client_secret = "YourClientSecret"

parse_api = groupdocs_parser_cloud.ParseApi.from_keys(client_id, client_secret)

options = groupdocs_parser_cloud.TextOptions()
options.file_info = groupdocs_parser_cloud.FileInfo()
options.file_info.file_path = "email/eml/embedded-image-and-attachment.eml"

request = groupdocs_parser_cloud.TextRequest(options)
result = parse_api.text(request)

print("Text: " + result.text)

Con esta guía de inicio rápido, estará listo para comenzar a analizar documentos usando GroupDocs.Parser Cloud en sus aplicaciones Python. Para más detalles, visite el documentation.

Obtenga formatos de archivo compatibles

Recupere la lista completa de formatos de archivo compatibles disponibles a través de la API de Parser.

import groupdocs_parser_cloud

info_api = groupdocs_parser_cloud.InfoApi.from_keys("YourClientId", "YourClientSecret")

result = info_api.get_supported_file_formats()

for fmt in result.formats:
    print(fmt.file_format)

Analizar documento por plantilla

Analice un documento utilizando una plantilla definida por el usuario almacenada en el almacenamiento en la nube para extraer tablas y campos estructurados.

import groupdocs_parser_cloud

parse_api = groupdocs_parser_cloud.ParseApi.from_keys("YourClientId", "YourClientSecret")

options = groupdocs_parser_cloud.ParseOptions()
options.file_info = groupdocs_parser_cloud.FileInfo()
options.file_info.file_path = "words-processing/docx/companies.docx"
options.template_path = "templates/companies.json"

request = groupdocs_parser_cloud.ParseRequest(options)
result = parse_api.parse(request)

for data in result.fields_data:
    if data.page_area.page_text_area is not None:
        print("Field name: " + data.name + ". Text: " + data.page_area.page_text_area.text)

    if data.page_area.page_table_area is not None:
        print("Table name: " + data.name)
        for cell in data.page_area.page_table_area.page_table_area_cells:
            print("Row " + str(cell.row_index) + " column " + str(cell.column_index) + ": " + cell.page_area.page_text_area.text)

Extraer imágenes de un documento

Extraiga todas las imágenes incrustadas de un documento y recupere sus rutas de almacenamiento en la nube y URL de descarga.

import groupdocs_parser_cloud

parse_api = groupdocs_parser_cloud.ParseApi.from_keys("YourClientId", "YourClientSecret")

options = groupdocs_parser_cloud.ImagesOptions()
options.file_info = groupdocs_parser_cloud.FileInfo()
options.file_info.file_path = "slides/three-slides.pptx"

request = groupdocs_parser_cloud.ImagesRequest(options)
result = parse_api.images(request)

for image in result.images:
    print("Image path: " + image.path + ". Download url: " + image.download_url)
    print("Format: " + image.file_format + ". Page index: " + str(image.page_index))

Obtener información del documento

Recupere metadatos sobre un documento, como el recuento de páginas y las propiedades del archivo.

import groupdocs_parser_cloud

info_api = groupdocs_parser_cloud.InfoApi.from_keys("YourClientId", "YourClientSecret")

options = groupdocs_parser_cloud.InfoOptions()
options.file_info = groupdocs_parser_cloud.FileInfo()
options.file_info.file_path = "words-processing/docx/password-protected.docx"
options.file_info.password = "password"

request = groupdocs_parser_cloud.GetInfoRequest(options)
result = info_api.get_info(request)

print("Page count: " + str(result.page_count))

Obtener información sobre los artículos del contenedor

Enumere elementos dentro de archivos contenedores, como archivos ZIP o almacenes de correo.

import groupdocs_parser_cloud

info_api = groupdocs_parser_cloud.InfoApi.from_keys("YourClientId", "YourClientSecret")

options = groupdocs_parser_cloud.ContainerOptions()
options.file_info = groupdocs_parser_cloud.FileInfo()
options.file_info.file_path = "containers/archive/zip.zip"

request = groupdocs_parser_cloud.ContainerRequest(options)
result = info_api.container(request)

for item in result.container_items:
    print("Name: " + item.name + ". FilePath: " + item.file_path)

Proyectos de muestra en GitHub

El GroupDocs.Parser Cloud Python Samples El repositorio incluye ejemplos listos para ejecutar que cubren:

Cómo ejecutar los ejemplos

1. Clona o descarga el samples repository2. EditarRunExamples.pyy configura tuapp_sidyapp_key3. Ve alExamplesdirectorio
2. correrpip install groupdocs-parser-cloud -U5. Ejecutarpython RunExamples.py

Para más detalles, visite Getting Started.

Etiquetas

Document Data Extraction | Python Cloud API | GroupDocs.Parser Cloud | REST API | Text Extraction | Image Extraction | Template Parsing | Data Parsing | Document Information | Container Files | Cloud Storage Integration | File Operations | Folder Operations | Secure API Access | Document Parsing | Metadata Extraction | PDF Parsing | ZIP Files | PST/OST Files | Cross-platform API | Document Processing | Data Extraction API