文档解析器云 API

浏览我们的产品

Are you looking for an evaluation version of a product?

If so you can download any of the below versions for testing. The product will function as normal except for an evaluation limitation. At the time of purchase we provide a license file via email that will allow the product to work in its full capacity. If you would also like an evaluation license to test without any restrictions for 30 days, please follow the directions provided here.

Are you having troubles in downloading?

If you experience errors, when you try to download a file, make sure your network policies (enforced by your company or ISP) allow downloading ZIP and/or MSI files.

安装
该软件包在PyPI可用，可以通过执行以下命令通过pip安装：
pip install groupdocs-parser-cloud

要求

Python 2.7 或 3.4+
pip 包管理器
GroupDocs Cloud 凭证 — 来自仪表板的 Client ID 和 Client Secret

依赖关系

SDK自动安装以下软件包：

Package	Constraint
urllib3	>= 1.15
six	>= 1.10
certifi	—
python-dateutil	—

文档解析和数据提取 Python Cloud REST API

GroupDocs.Parser Cloud Python SDK 使开发人员能够将高级文档解析和数据提取集成到 Python Web 应用程序、脚本和自动化工作流程中。从 70 多种文件格式（包括 Word、Excel、PDF、演示文稿、电子邮件、档案和电子书）中提取文本、图像、元数据和结构化数据。定义自定义提取模板以从发票、表单和业务文档中提取文本字段、数字和表格。无论是解析单个文件还是处理 ZIP 档案、PST/OST 邮件存储或 PDF 组合中的容器项目，GroupDocs.Parser 都能为基于云的文档智能提供准确、可扩展的工具。

文本提取

提取纯文本 - 以简单的形式从文档中提取文本内容。
提取格式化文本 - 提取文本，同时保留原始格式。
按页面范围提取文本 - 仅从特定页面提取文本。
从容器中提取文本 - 从 ZIP 存档、PST/OST 文件和 PDF 包中的文档中提取文本。

图像提取

提取所有图像 - 从整个文档中提取每个嵌入图像。
按页面范围提取图像 - 根据页面范围从特定页面提取图像。
从容器中提取图像 - 从容器文件内的文档中提取图像。

基于模板的解析

按模板解析 - 使用用户定义的模板解析文档以提取结构化数据。
创建或更新模板 - 在云存储中定义和存储提取模板。
获取和删除模板 - 检索或删除存储在用户存储中的模板。
按模板对象解析 - 直接在 API 请求中传递模板定义。

文件信息

获取文档信息 - 检索文件扩展名、字节大小和页数。
获取容器项目信息 - 列出 ZIP 档案、PDF 文件包和邮件存储中的项目。
获取支持的文件格式 - 检索支持的解析格式的完整列表。

文件操作

将文件上传到云 - 通过 API 将文件上传到云存储。
从云端下载文件 - 将文件从云存储下载到本地系统。
复制文件 - 将云存储中的文件复制到不同位置。
移动文件 - 在云存储中的文件夹之间移动文件。
删除文件 - 从云存储中删除特定文件。

文件夹操作

创建文件夹 - 在云存储中创建新文件夹。
复制文件夹 - 云存储中的重复文件夹。
移动文件夹 - 在云存储中的目录之间移动文件夹。
删除文件夹 - 从云存储中删除整个文件夹。

许可和身份验证

评估模式 - 使用免费试用帐户试用 API。
安全身份验证 - 使用 Client ID 和 Client Secret 进行安全 API 访问。
MIT License - Python SDK 根据 MIT License 获得许可。

支持的文档格式

GroupDocs.Parser Cloud 支持 70 多种文件格式，具有文本提取、图像提取和基于模板的解析功能：

文字处理： DOC、DOCX、DOCM、DOT、DOTX、DOTM、TXT、RTF、ODT、OTT
PDF： PDF
标记： HTML、XHTML、MHTML、MD、XML
电子书： CHM、EPUB、FB2
电子表格： XLS、XLT、XLSX、XLSM、XLSB、XLTX、XLTM、ODS、OTS、CSV、XLA、XLAM、NUMBERS
演示文稿： PPT、PPS、POT、PPTX、PPTM、POTX、POTM、PPSX、PPSM、ODP、OTP
电子邮件： PST、OST、EML、EMLX、MSG
笔记： ONE（Microsoft OneNote）
档案： ZIP

支持的操作因格式而异。有关完整的格式矩阵，请参阅文档。

快速入门

获取您的 API 凭证

要使用GroupDocs.Parser Cloud，请在GroupDocs.Cloud仪表板注册并获取您的Client ID和Client Secret。

初始化API

使用以下代码开始使用GroupDocs.Parser Cloud SDK for 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)

从文档中提取文本

初始化后，使用此基本示例从云存储中的文档中提取文本：

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)

通过本快速入门指南，您已准备好开始在 Python 应用程序中使用 GroupDocs.Parser Cloud 解析文档。欲了解更多详情，请访问文档。

获取支持的文件格式

通过 Parser API 检索可用的受支持文件格式的完整列表。

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)

通过模板解析文档

使用存储在云存储中的用户定义模板解析文档，以提取结构化字段和表格。

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)

从文档中提取图像

从文档中提取所有嵌入图像并检索其云存储路径和下载 URL。

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))

获取文档信息

检索有关文档的元数据，例如页数和文件属性。

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))

获取集装箱物品信息

列出容器文件（例如 ZIP 存档或邮件存储）中的项目。

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)

GitHub 上的示例项目

GroupDocs.Parser Cloud Python 示例存储库包含可立即运行的示例，涵盖：

Category	Examples
Info Operations	Supported file formats, document information, container items information
Parse Operations — Extract Text	Extract text from whole document, formatted text, text by page range, text from container
Parse Operations — Extract Images	Extract images from whole document, images by page range, images from container
Parse Operations — Parse by Template	Parse by template in user storage, template defined as object, parse document inside container
Template Operations	Create or update template, get template, delete template

如何运行示例

克隆或下载示例存储库
编辑RunExamples.py并设置app_sid和app_key 3.进入Examples目录 4.运行pip install groupdocs-parser-cloud -U 5.执行python RunExamples.py