Instalação

O pacote é disponível em PyPI e pode ser instalado via pip executando o seguinte comando:

pip install groupdocs-parser-cloud

Requisitos

• Python 2.7 ou 3.4+
• pip gerenciador de pacotes
• GroupDocs Credenciais Cloud — Client ID and Client Secret do Dashboard

Dependências

O SDK instala automaticamente os seguintes pacotes:

Análise de documentos e extração de dados Python Cloud REST API

GroupDocs.Parser Cloud SDK para Python capacita os desenvolvedores a integrar análise avançada de documentos e extração de dados em aplicativos da web, scripts e fluxos de trabalho de automação Python. Extraia texto, imagens, metadados e dados estruturados de mais de 70 formatos de arquivo — incluindo Word, Excel, PDF, apresentações, e-mails, arquivos e e-books. Defina modelos de extração personalizados para extrair campos de texto, números e tabelas de faturas, formulários e documentos comerciais. Seja analisando um único arquivo ou processando itens de contêiner de arquivos ZIP, armazenamentos de correio PST/OST ou portfólios PDF, o GroupDocs.Parser oferece ferramentas precisas e escalonáveis ​​para inteligência de documentos baseada em nuvem.

Extração de texto

Extrair texto simples - Extraia conteúdo de texto de documentos em um formato simples.
Extraia texto formatado - Extraia texto preservando a formatação original.
Extraia texto por intervalo de páginas - Extraia texto apenas de páginas específicas.
Extraia texto de contêineres - Extraia texto de documentos dentro de arquivos ZIP, arquivos PST/OST e portfólios PDF.

Extração de imagem

Extraia todas as imagens - Extraia todas as imagens incorporadas de um documento inteiro.
Extraia imagens por intervalo de páginas - Extraia imagens de páginas específicas com base em um intervalo de páginas.
Extraia imagens de contêineres - Extraia imagens de documentos dentro de arquivos contêineres.

Análise baseada em modelo

Analisar por modelo – Analise documentos usando modelos definidos pelo usuário para extração de dados estruturados.
Crie ou atualize modelos - Defina e armazene modelos de extração no armazenamento em nuvem.
Obter e excluir modelos - Recupere ou remova modelos armazenados no armazenamento do usuário.
Analisar por objeto de modelo - Passe uma definição de modelo diretamente na solicitação API.

Informações do documento

Obter informações do documento - Recupere extensão de arquivo, tamanho em bytes e contagem de páginas.
Obtenha informações sobre itens de contêiner - Liste itens em arquivos ZIP, portfólios PDF e armazenamentos de correio.
Obter formatos de arquivo suportados - Recupere a lista completa de formatos de análise suportados.

Operações de arquivo

Carregar arquivos para Cloud - Carregar arquivos para armazenamento em nuvem por meio do API.
Baixar arquivos de Cloud - Baixe arquivos do armazenamento em nuvem para sistemas locais.
Copiar arquivos - Copie arquivos do armazenamento em nuvem para locais diferentes.
Mover arquivos - Mova arquivos entre pastas no armazenamento em nuvem.
Excluir arquivos - Exclua arquivos específicos do armazenamento em nuvem.

Operações de pasta

Criar pasta - Crie novas pastas no armazenamento em nuvem.
Copiar pasta - Duplique pastas no armazenamento em nuvem.
Mover pasta - Mova pastas entre diretórios no armazenamento em nuvem.
Excluir pasta - Remova pastas inteiras do armazenamento em nuvem.

Licenciamento e Autenticação

Modo de avaliação - Experimente o API com uma conta de teste gratuita.
Autenticação segura – Use o ID do cliente e o segredo do cliente para acesso seguro ao API.
Licença MIT - O Python SDK é licenciado sob MIT License.

Formatos de documentos suportados

GroupDocs.Parser Cloud suporta mais de 70 formatos de arquivo com extração de texto, extração de imagem e recursos de análise baseados em modelo:

• Processamento de texto: DOC, DOCX, DOCM, DOT, DOTX, DOTM, TXT, RTF, ODT, OTT
• PDF: PDF
• Marcação: HTML, XHTML, MHTML, MD, XML
• e-books: CHM, EPUB, FB2
• Planilhas: XLS, XLT, XLSX, XLSM, XLSB, XLTX, XLTM, ODS, OTS, CSV, XLA, XLAM, NÚMEROS
• Apresentações: PPT, PPS, POT, PPTX, PPTM, POTX, POTM, PPSX, PPSM, ODP, OTP
• E-mails: PST, OST, EML, EMLX, MSG
• Notas: UM (Microsoft OneNote)
• Arquivos: ZIP As operações suportadas variam de acordo com o formato. Para a matriz de formato completa, consulte documentation.

Início rápido

Obtenha suas credenciais API

Para usar GroupDocs.Parser Cloud, cadastre-se em GroupDocs.Cloud Dashboard e obtenha seu ID do cliente e Segredo do cliente.

Inicialize o API

Use o código a seguir para começar a usar o 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)

Extraia texto de um documento

Depois de inicializado, use este exemplo básico para extrair texto de um documento no armazenamento em nuvem:

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)

Com este guia de início rápido, você está pronto para começar a analisar documentos usando GroupDocs.Parser Cloud em seus aplicativos Python. Para mais detalhes, visite documentation.

Obtenha formatos de arquivo suportados

Recupere a lista completa de formatos de arquivo suportados disponíveis através do Parser API.

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)

Analisar documento por modelo

Analise um documento usando um modelo definido pelo usuário armazenado em armazenamento em nuvem para extrair campos e tabelas estruturados.

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)

Extraia imagens de um documento

Extraia todas as imagens incorporadas de um documento e recupere seus caminhos de armazenamento em nuvem e URLs de download.

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))

Obtenha informações do documento

Recuperar metadados sobre um documento, como contagem de páginas e propriedades do arquivo.

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))

Obtenha informações sobre itens de contêiner

Liste itens em arquivos contêineres, como arquivos ZIP ou armazenamentos de correio.

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)

Exemplos de projetos em GitHub

O repositório GroupDocs.Parser Cloud Python Samples inclui exemplos prontos para execução que abrangem:

Como executar os exemplos

1. Clone ou baixe o samples repository
2. Edite RunExamples.py e defina seu app_sid e app_key
3. Vá para o diretório Examples
4. Execute pip install groupdocs-parser-cloud -U
5. Execute python RunExamples.py Para mais detalhes, visite 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