Installation

Le package est disponible sur PyPI et peut être installé via pip en exécutant la commande suivante :

pip install groupdocs-parser-cloud

Exigences

• Python 2.7 ou 3.4+
• Gestionnaire de packages pip
• Identifiants GroupDocs Cloud — Client ID et Client Secret depuis le Dashboard

Dépendances

Le SDK installe automatiquement les packages suivants :

API Cloud REST Python d’analyse de documents et d’extraction de données

GroupDocs.Parser Cloud SDK pour Python permet aux développeurs d’intégrer l’analyse avancée de documents et l’extraction de données dans leurs applications web Python, scripts et flux de travail d’automatisation. Extrayez du texte, des images, des métadonnées et des données structurées de plus de 70 formats de fichiers — y compris Word, Excel, PDF, présentations, e-mails, archives et livres électroniques. Définissez des modèles d’extraction personnalisés pour extraire des champs de texte, des nombres et des tableaux à partir de factures, formulaires et documents professionnels. Que vous analysiez un seul fichier ou traitiez des éléments de conteneurs provenant d’archives ZIP, de magasins de messagerie PST/OST ou de portefeuilles PDF, GroupDocs.Parser fournit des outils précis et évolutifs pour l’intelligence documentaire basée sur le cloud.

Extraction de texte

Extraire du texte brut - Extrayez le contenu textuel des documents sous une forme simple.
Extraire du texte formaté - Extrayez le texte en préservant la mise en forme d’origine.
Extraire du texte par plage de pages - Extrayez le texte de pages spécifiques uniquement.
Extraire du texte depuis des conteneurs - Extrayez le texte de documents à l’intérieur d’archives ZIP, de fichiers PST/OST et de portefeuilles PDF.

Extraction d’images

Extraire toutes les images - Extrayez chaque image intégrée d’un document entier.
Extraire des images par plage de pages - Extrayez des images de pages spécifiques selon une plage de pages.
Extraire des images depuis des conteneurs - Extrayez des images de documents à l’intérieur de fichiers conteneurs.

Analyse basée sur des modèles

Analyser par modèle - Analysez des documents à l’aide de modèles définis par l’utilisateur pour l’extraction de données structurées.
Créer ou mettre à jour des modèles - Définissez et stockez des modèles d’extraction dans le stockage cloud.
Obtenir et supprimer des modèles - Récupérez ou supprimez des modèles stockés dans le stockage utilisateur.
Analyser par objet modèle - Passez une définition de modèle directement dans la requête API.

Informations sur les documents

Obtenir les informations du document - Récupérez l’extension de fichier, la taille en octets et le nombre de pages.
Obtenir les informations sur les éléments de conteneur - Listez les éléments dans les archives ZIP, les portefeuilles PDF et les magasins de messagerie.
Obtenir les formats de fichiers pris en charge - Récupérez la liste complète des formats d’analyse pris en charge.

Opérations sur les fichiers

Téléverser des fichiers vers le cloud - Téléversez des fichiers vers le stockage cloud via l’API.
Télécharger des fichiers depuis le cloud - Téléchargez des fichiers du stockage cloud vers les systèmes locaux.
Copier des fichiers - Copiez des fichiers dans le stockage cloud vers différents emplacements.
Déplacer des fichiers - Déplacez des fichiers entre des dossiers dans le stockage cloud.
Supprimer des fichiers - Supprimez des fichiers spécifiques du stockage cloud.

Opérations sur les dossiers

Créer un dossier - Créez de nouveaux dossiers dans le stockage cloud.
Copier un dossier - Dupliquez des dossiers dans le stockage cloud.
Déplacer un dossier - Déplacez des dossiers entre des répertoires dans le stockage cloud.
Supprimer un dossier - Supprimez des dossiers entiers du stockage cloud.

Licence et authentification

Mode d’évaluation - Essayez l’API avec un compte d’essai gratuit.
Authentification sécurisée - Utilisez Client ID et Client Secret pour un accès API sécurisé.
Licence MIT - Le SDK Python est sous licence MIT License.

Formats de documents pris en charge

GroupDocs.Parser Cloud prend en charge plus de 70 formats de fichiers avec des capacités d’extraction de texte, d’extraction d’images et d’analyse basée sur des modèles :

• Traitement de texte : DOC, DOCX, DOCM, DOT, DOTX, DOTM, TXT, RTF, ODT, OTT
• PDF : PDF
• Balisage : HTML, XHTML, MHTML, MD, XML
• Livres électroniques : CHM, EPUB, FB2
• Feuilles de calcul : XLS, XLT, XLSX, XLSM, XLSB, XLTX, XLTM, ODS, OTS, CSV, XLA, XLAM, NUMBERS
• Présentations : PPT, PPS, POT, PPTX, PPTM, POTX, POTM, PPSX, PPSM, ODP, OTP
• E-mails : PST, OST, EML, EMLX, MSG
• Notes : ONE (Microsoft OneNote)
• Archives : ZIP

Les opérations prises en charge varient selon le format. Pour la matrice complète des formats, consultez la documentation.

Démarrage rapide

Obtenez vos identifiants API

Pour utiliser GroupDocs.Parser Cloud, inscrivez-vous sur le GroupDocs.Cloud Dashboard et obtenez votre Client ID et votre Client Secret.

Initialiser l’API

Utilisez le code suivant pour commencer à utiliser GroupDocs.Parser Cloud SDK pour 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)

Extraire du texte d’un document

Une fois initialisé, utilisez cet exemple de base pour extraire du texte d’un document dans le stockage cloud :

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)

Avec ce guide de démarrage rapide, vous êtes prêt à commencer l’analyse de documents avec GroupDocs.Parser Cloud dans vos applications Python. Pour plus de détails, consultez la documentation.

Obtenir les formats de fichiers pris en charge

Récupérez la liste complète des formats de fichiers pris en charge via l’API 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)

Analyser un document par modèle

Analysez un document à l’aide d’un modèle défini par l’utilisateur stocké dans le stockage cloud pour extraire des champs et des tableaux structurés.

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)

Extraire des images d’un document

Extrayez toutes les images intégrées d’un document et récupérez leurs chemins de stockage cloud et leurs URL de téléchargement.

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))

Obtenir les informations du document

Récupérez les métadonnées d’un document telles que le nombre de pages et les propriétés du fichier.

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))

Obtenir les informations sur les éléments de conteneur

Listez les éléments dans des fichiers conteneurs tels que des archives ZIP ou des magasins de messagerie.

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)

Projets d’exemple sur GitHub

Le dépôt GroupDocs.Parser Cloud Python Samples inclut des exemples prêts à l’emploi couvrant :

Comment exécuter les exemples

1. Clonez ou téléchargez le dépôt d’exemples
2. Modifiez RunExamples.py et définissez votre app_sid et app_key
3. Allez dans le répertoire Examples
4. Exécutez pip install groupdocs-parser-cloud -U
5. Exécutez python RunExamples.py

Pour plus de détails, consultez Getting Started.

Tags

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