Установка

Пакет доступен в PyPI и его можно установить через pip, выполнив следующую команду:

pip install groupdocs-parser-cloud

Требования

• Python 2.7 или 3.4+
• менеджер пакетов pip
• Учетные данные GroupDocs Cloud — Client ID и Client Secret из панели управления

Зависимости

SDK автоматически устанавливает следующие пакеты:

Анализ документов и извлечение данных Python Cloud REST API

GroupDocs.Parser Cloud SDK для Python позволяет разработчикам интегрировать расширенный анализ документов и извлечение данных в веб-приложения Python, сценарии и рабочие процессы автоматизации. Извлекайте текст, изображения, метаданные и структурированные данные из более чем 70 форматов файлов, включая Word, Excel, PDF, презентации, электронные письма, архивы и электронные книги. Определите собственные шаблоны извлечения для извлечения текстовых полей, чисел и таблиц из счетов, форм и деловых документов. Независимо от того, анализируете ли вы отдельный файл или обрабатываете элементы контейнера из ZIP-архивов, почтовых хранилищ PST/OST или портфолио PDF, GroupDocs.Parser предоставляет точные масштабируемые инструменты для облачной аналитики документов.

Извлечение текста

Извлечение обычного текста - Извлекайте текстовое содержимое из документов в простой форме.
Извлечение форматированного текста - Извлекайте текст, сохраняя исходное форматирование.
Извлечение текста по диапазону страниц - Извлекайте текст только с определенных страниц.
Извлечение текста из контейнеров - Извлекайте текст из документов внутри ZIP-архивов, файлов PST/OST и портфолио PDF.

Извлечение изображения

Извлечь все изображения - Извлеките каждое встроенное изображение из всего документа.
Извлечение изображений по диапазону страниц - Извлекайте изображения с определенных страниц на основе диапазона страниц.
Извлечение изображений из контейнеров - Извлекайте изображения из документов внутри файлов-контейнеров.

Анализ на основе шаблонов

Разбор по шаблону - Анализируйте документы, используя определяемые пользователем шаблоны для извлечения структурированных данных.
Создавайте или обновляйте шаблоны - Определите и сохраните шаблоны извлечения в облачном хранилище.
Получение и удаление шаблонов - Извлекайте или удаляйте шаблоны, хранящиеся в хранилище пользователя.
Разбор по объекту шаблона - Передайте определение шаблона непосредственно в запросе API.

Информация о документе

Получить информацию о документе - Получите расширение файла, размер в байтах и ​​количество страниц.
Получить информацию о контейнерах - Перечисляйте элементы в ZIP-архивах, портфолио PDF и почтовых хранилищах.
Получите поддерживаемые форматы файлов - Получите полный список поддерживаемых форматов синтаксического анализа.

Операции с файлами

Загрузить файлы в облако - Загружайте файлы в облачное хранилище через API.
Загрузить файлы из облака - Загружайте файлы из облачного хранилища в локальные системы.
Копировать файлы - Копируйте файлы из облачного хранилища в разные места.
Переместить файлы - Перемещайте файлы между папками в облачном хранилище.
Удалить файлы - Удалите определенные файлы из облачного хранилища.

Операции с папками

Создать папку - Создайте новые папки в облачном хранилище.
Копировать папку - Дублирование папок в облачном хранилище.
Переместить папку - Перемещайте папки между каталогами в облачном хранилище.
Удалить папку - Удалите целые папки из облачного хранилища.

Лицензирование и аутентификация

Режим оценки - Попробуйте API с помощью бесплатной пробной учетной записи.
Безопасная аутентификация - Используйте идентификатор клиента и секрет клиента для безопасного доступа к API.
Лицензия MIT - Python SDK лицензируется по Лицензии MIT.

Поддерживаемые форматы документов

GroupDocs.Parser Cloud поддерживает более 70 форматов файлов с возможностью извлечения текста, изображений и анализа на основе шаблонов:

• Обработка текста: DOC, DOCX, DOCM, DOT, DOTX, DOTM, TXT, RTF, ODT, OTT
• PDF: PDF
• Разметка: HTML, XHTML, MHTML, MD, XML
• электронные книги: CHM, EPUB, FB2
• Таблицы: XLS, XLT, XLSX, XLSM, XLSB, XLTX, XLTM, ODS, OTS, CSV, XLA, XLAM, NUMBERS
• Презентации: PPT, PPS, POT, PPTX, PPTM, POTX, POTM, PPSX, PPSM, ODP, OTP
• Электронная почта: PST, OST, EML, EMLX, MSG
• Примечания: ONE (Microsoft OneNote)
• Архивы: ZIP

Поддерживаемые операции зависят от формата. Полную матрицу форматов см. в документации.

Быстрый старт

Получите учетные данные API

Чтобы использовать GroupDocs.Parser Cloud, зарегистрируйтесь на GroupDocs.Cloud Dashboard и получите свой Идентификатор клиента и Секрет клиента.

Инициализируйте API

Используйте следующий код, чтобы начать использовать Cloud SDK GroupDocs.Parser для 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)

Извлечь текст из документа

После инициализации используйте этот базовый пример для извлечения текста из документа в облачном хранилище:

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)

Благодаря этому краткому руководству вы можете начать анализировать документы с помощью GroupDocs.Parser Cloud в своих приложениях Python. Для получения более подробной информации посетите документацию.

Получить поддерживаемые форматы файлов

Получите полный список поддерживаемых форматов файлов, доступных через 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)

Разбор документа по шаблону

Анализируйте документ с помощью пользовательского шаблона, хранящегося в облачном хранилище, для извлечения структурированных полей и таблиц.

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)

Извлечь изображения из документа

Извлеките все встроенные изображения из документа, получите пути к их облачному хранилищу и URL-адреса загрузки.

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))

Получить информацию о документе

Получите метаданные о документе, такие как количество страниц и свойства файла.

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))

Получить информацию о предметах контейнера

Перечислите элементы в файлах-контейнерах, таких как ZIP-архивы или почтовые хранилища.

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)

Примеры проектов на GitHub

Репозиторий GroupDocs.Parser Cloud Python Samples включает готовые примеры, охватывающие:

Как запустить примеры

1. Клонируйте или загрузите репозиторий образцов.
2. Отредактируйте RunExamples.py и установите app_sid и app_key.
3. Перейдите в каталог «Примеры».
4. Запустите pip install groupdocs-parser-cloud -U
5. Выполните python RunExamples.py

Для получения более подробной информации посетите Начало работы.

Теги

Извлечение данных документа | Python Cloud API | GroupDocs.Parser Cloud | REST API | Извлечение текста | Извлечение изображения | Разбор шаблонов | Разбор данных | Информация о документе | Файлы-контейнеры | Интеграция облачного хранилища | Операции с файлами | Операции с папками | Безопасный доступ к API | Разбор документов | Извлечение метаданных | Разбор PDF | ZIP-файлы | Файлы PST/OST | Кроссплатформенный API | Обработка документов | Data Extraction API