Wyodrębnianie danych z PDF przy użyciu REST API w Node.js
Możemy łatwo analizować dokumenty PDF i wyodrębniać określone dane za pomocą zdefiniowanego przez użytkownika szablonu w chmurze. Możemy programowo wyodrębnić pola i dane tabeli z plików PDF. W tym artykule dowiemy się, jak wyodrębnić dane z PDF za pomocą REST API w Node.js.
W tym artykule zostaną omówione następujące tematy:
- REST API i Node.js SDK do wyodrębniania danych z PDF
- Wyodrębnij dane przy użyciu pliku szablonu opartego na JSON w Node.js
- Wyodrębnij dane za pomocą obiektu szablonu w Node.js
- Analizuj dokument wewnątrz kontenera przy użyciu szablonu w Node.js
REST API i Node.js SDK do wyodrębniania danych z PDF
Do analizowania dokumentów PDF i wydobywania danych na podstawie szablonu będziemy używać Node.js SDK of GroupDocs.Parser Cloud API. Umożliwia również analizowanie innych obsługiwanych typów dokumentów oraz wyodrębnianie tekstu, obrazów i określonych danych za pomocą szablonu. Zainstaluj go za pomocą następującego polecenia w konsoli:
npm install groupdocs-parser-cloud
Proszę uzyskaj swój identyfikator klienta i klucz tajny z pulpitu nawigacyjnego przed wykonaniem wspomnianych kroków. Po uzyskaniu identyfikatora i tajnego kodu dodaj kod, jak pokazano poniżej:
// Ten przykład kodu pokazuje, jak dodać identyfikator klienta i klucz tajny.
global.clientId = "112f0f38-9dae-42d5-b4fc-cc84ae644972";
global.clientSecret = "16ad3fe0bdc39c910f57d2fd48a5d618";
global.myStorage = "";
const configuration = new groupdocs_parser_cloud.Configuration(clientId, clientSecret);
configuration.apiBaseUrl = "https://api.groupdocs.cloud";
Wyodrębnij dane przy użyciu pliku szablonu opartego na JSON w Node.js
Możemy wyodrębnić dane z dokumentów PDF za pomocą szablonu, wykonując proste czynności podane poniżej:
Prześlij dokument
Po pierwsze, prześlemy dokument PDF do chmury w celu zeskrobania pliku PDF przy użyciu przykładowego kodu podanego poniżej:
// Ten przykład kodu demonstruje, jak przekazać dokument PDF do chmury.
// Skonstruuj FileApi
let fileApi = groupdocs_parser_cloud.FileApi.fromConfig(configuration);
let file = 'C:\\Files\\companies.pdf';
// Przeczytaj plik
fs.readFile(file, (err, fileStream) => {
// Prześlij prośbę o plik
let request = new groupdocs_parser_cloud.UploadFileRequest("companies.pdf", fileStream, myStorage);
// Przesyłanie pliku
fileApi.uploadFile(request);
});
W rezultacie przesłany plik PDF będzie dostępny w sekcji plików pulpitu nawigacyjnego w chmurze.
Wyodrębnij dane z pliku PDF przy użyciu pliku szablonu opartego na JSON
Możemy przeanalizować dokument PDF i wyodrębnić dane za pomocą pliku szablonu opartego na formacie JSON, wykonując czynności podane poniżej:
- Utwórz instancję ParseApi.
- Podaj ścieżkę przesłanego pliku PDF.
- Ustaw ścieżkę do szablonu pliku JSON.
- Na koniec przeanalizuj dokument i wyodrębnij dane.
Poniższy przykładowy kod pokazuje, jak wyodrębnić dane zgodnie z szablonem dostarczonym w pliku JSON przy użyciu interfejsu API REST.
// Ten przykład kodu demonstruje, jak analizować dokument PDF za pomocą szablonu opartego na formacie JSON.
// Utwórz instancję interfejsu API
let parseApi = groupdocs_parser_cloud.ParseApi.fromConfig(configuration);
// Wprowadź ścieżkę pliku
let fileInfo = new groupdocs_parser_cloud.FileInfo()
fileInfo.filePath = "companies.pdf"
// Utwórz opcje analizy
let options = new groupdocs_parser_cloud.ParseOptions();
options.fileInfo = fileInfo;
options.templatePath = "template.json";
// Utwórz żądanie analizy
let request = new groupdocs_parser_cloud.ParseRequest(options);
// Przeanalizuj dokument
let response = await parseApi.parse(request);
// Wyjście wyświetlacza
response.fieldsData.forEach(data => {
if (data.pageArea.pageTextArea != null) {
console.log("Field name: " + data.name + ". Text :" + data.pageArea.pageTextArea.text);
}
if (data.pageArea.pageTableArea != null) {
console.log("Table name: " + data.name);
data.pageArea.pageTableArea.pageTableAreaCells.forEach(cell => {
console.log("Table cell. Row " + cell.rowIndex + " column " + cell.columnIndex + ". Text: " + cell.pageArea.pageTextArea.text);
});
}
});
Poniżej znajduje się szablon w formacie JSON.
{
"Fields": [
{
"FieldName": "Address",
"FieldPosition": {
"FieldPositionType": "Regex",
"Regex": "Companyaddress:"
}
},
{
"FieldName": "CompanyAddress",
"FieldPosition": {
"FieldPositionType": "Linked",
"LinkedFieldName": "ADDRESS",
"IsRightLinked": true,
"SearchArea": {
"Height": 10.0,
"Width": 100.0
},
"AutoScale": true
}
},
{
"FieldName": "Company",
"FieldPosition": {
"FieldPositionType": "Regex",
"Regex": "Companyname:"
}
},
{
"FieldName": "CompanyName",
"FieldPosition": {
"FieldPositionType": "Linked",
"LinkedFieldName": "Company",
"IsRightLinked": true,
"SearchArea": {
"Height": 10.0,
"Width": 100.0
},
"AutoScale": true
}
}
],
"Tables": [
{
"TableName": "Companies",
"DetectorParameters": {
"Rectangle": {
"Position": {
"X": 77.0,
"Y": 279.0
},
"Size": {
"Height": 41.0,
"Width": 480.0
}
}
}
}
]
}
Wyodrębnij dane za pomocą obiektu szablonu w Node.js
Możemy wyodrębnić dane z pliku PDF na podstawie szablonu zdefiniowanego jako obiekt, wykonując następujące czynności:
- Utwórz instancję ParseApi.
- Podaj ścieżkę przesłanego pliku PDF.
- Zainicjuj szablon jako obiekt.
- Na koniec przeanalizuj dokument i wyodrębnij dane.
Poniższy przykładowy kod pokazuje, jak wyodrębnić dane zgodnie ze zdefiniowanym szablonem z dokumentu PDF przy użyciu interfejsu API REST. Wykonaj czynności wymienione wcześniej, aby przesłać plik.
// Ten przykład kodu demonstruje, jak analizować dokument PDF według obiektu Template.
// Inicjalizacja interfejsu API
let parseApi = groupdocs_parser_cloud.ParseApi.fromConfig(configuration);
// Plik wejściowy
let fileInfo = new groupdocs_parser_cloud.FileInfo();
fileInfo.filePath = "companies.pdf";
// Zdefiniuj opcje analizy
let options = new groupdocs_parser_cloud.ParseOptions();
options.fileInfo = fileInfo;
// Pobierz obiekt szablonu
options.template = GetTemplate();
// Utwórz żądanie analizy
let request = new groupdocs_parser_cloud.ParseRequest(options);
// Przekaż dokument
let result = await parseApi.parse(request);
// Pokaż wyniki
result.fieldsData.forEach(data => {
if (data.pageArea.pageTextArea != null) {
console.log("Field name: " + data.name + ". Text :" + data.pageArea.pageTextArea.text);
}
if (data.pageArea.pageTableArea != null) {
console.log("Table name: " + data.name);
data.pageArea.pageTableArea.pageTableAreaCells.forEach(cell => {
console.log("Table cell. Row " + cell.rowIndex + " column " + cell.columnIndex + ". Text: " + cell.pageArea.pageTextArea.text);
});
}
});
Poniżej znajduje się obiekt szablonu utworzony zgodnie z dokumentem PDF do zeskrobywania danych z pliku pdf.
// Ten przykład kodu demonstruje obiekt szablonu.
let field1 = new groupdocs_parser_cloud.Field();
field1.fieldName = "Address";
let fieldPosition1 = new groupdocs_parser_cloud.FieldPosition();
fieldPosition1.fieldPositionType = "Regex";
fieldPosition1.regex = "Company address:";
field1.fieldPosition = fieldPosition1;
let field2 = new groupdocs_parser_cloud.Field();
field2.fieldName = "CompanyAddress";
let fieldPosition2 = new groupdocs_parser_cloud.FieldPosition();
fieldPosition2.fieldPositionType = "Linked";
fieldPosition2.linkedFieldName = "ADDRESS";
fieldPosition2.isRightLinked = true;
let size2 = new groupdocs_parser_cloud.Size();
size2.width = 100;
size2.height = 10;
fieldPosition2.searchArea = size2;
fieldPosition2.autoScale = true;
field2.fieldPosition = fieldPosition2;
let field3 = new groupdocs_parser_cloud.Field();
field3.fieldName = "Company";
let fieldPosition3 = new groupdocs_parser_cloud.FieldPosition();
fieldPosition3.fieldPositionType = "Regex";
fieldPosition3.regex = "Company name:";
field3.fieldPosition = fieldPosition3;
let field4 = new groupdocs_parser_cloud.Field();
field4.fieldName = "CompanyName";
let fieldPosition4 = new groupdocs_parser_cloud.FieldPosition();
fieldPosition4.fieldPositionType = "Linked";
fieldPosition4.linkedFieldName = "Company";
fieldPosition4.isRightLinked = true;
let size4 = new groupdocs_parser_cloud.Size();
size4.width = 100;
size4.height = 10;
fieldPosition4.searchArea = size4;
fieldPosition4.autoScale = true;
field4.fieldPosition = fieldPosition4;
let table = new groupdocs_parser_cloud.Table();
table.tableName = "Companies";
let detectorparams = new groupdocs_parser_cloud.DetectorParameters();
let rect = new groupdocs_parser_cloud.Rectangle();
let size = new groupdocs_parser_cloud.Size();
size.height = 60;
size.width = 480;
let position = new groupdocs_parser_cloud.Point();
position.x = 77;
position.y = 279;
rect.size = size;
rect.position = position;
detectorparams.rectangle = rect;
table.detectorParameters = detectorparams;
let fields = [field1, field2, field3, field4];
let tables = [table];
let template = new groupdocs_parser_cloud.Template();
template.fields = fields;
template.tables = tables;
return template;
Wyodrębnij dane za pomocą obiektu szablonu w Node.js
Analizuj dokument wewnątrz kontenera przy użyciu szablonu w Node.js
Możemy również przeanalizować dokument PDF dostępny wewnątrz kontenera i wyodrębnić dane za pomocą obiektu szablonu. Wykonaj czynności wymienione poniżej, aby przeanalizować dokument w celu wyodrębnienia danych z zeskanowanego pliku PDF znajdującego się w kontenerze.
- Utwórz instancję ParseApi.
- Podaj ścieżkę przesłanego pliku archiwum.
- Zainicjuj szablon jako obiekt.
- Podaj element kontenera.
- Na koniec przeanalizuj dokument i wyodrębnij dane.
Poniższy przykładowy kod pokazuje, jak analizować dokument PDF w archiwum ZIP przy użyciu interfejsu API REST. Wykonaj czynności wymienione wcześniej, aby przesłać pliki i wyodrębnić informacje z pliku pdf.
// Ten przykład kodu demonstruje, jak analizować dokument PDF dostępny w kontenerze.
// Inicjalizacja interfejsu API
let parseApi = groupdocs_parser_cloud.ParseApi.fromConfig(configuration);
// Wprowadź ścieżkę pliku
let fileInfo = new groupdocs_parser_cloud.FileInfo();
fileInfo.filePath = "archive.zip";
// Utwórz opcje analizy
let options = new groupdocs_parser_cloud.ParseOptions();
options.fileInfo = fileInfo;
// Pobierz obiekt szablonu
options.template = GetTemplate();
// Informacje o elemencie kontenera
let containerItemInfo = new groupdocs_parser_cloud.ContainerItemInfo();
containerItemInfo.relativePath = "companies.pdf";
options.containerItemInfo = containerItemInfo;
// Utwórz żądanie analizy
let request = new groupdocs_parser_cloud.ParseRequest(options);
// Utwórz żądanie
let response = await parseApi.parse(request);
// Wyjście wyświetlacza
response.fieldsData.forEach(data => {
if (data.pageArea.pageTextArea != null) {
console.log("Field name: " + data.name + ". Text :" + data.pageArea.pageTextArea.text);
}
if (data.pageArea.pageTableArea != null) {
console.log("Table name: " + data.name);
data.pageArea.pageTableArea.pageTableAreaCells.forEach(cell => {
console.log("Table cell. Row " + cell.rowIndex + " column " + cell.columnIndex + ". Text: " + cell.pageArea.pageTextArea.text);
});
}
});
Wypróbuj online
Wypróbuj następujące bezpłatne narzędzie online do analizowania plików PDF w celu ekstrakcji danych pdf online. Ten ekstraktor treści PDF został opracowany przy użyciu powyższego interfejsu API. https://products.groupdocs.app/parser/pdf
Wniosek
W tym artykule dowiedzieliśmy się, jak wyodrębnić określone dane z dokumentów PDF zgodnie z dostarczonym szablonem w chmurze. Zobaczyliśmy również, jak utworzyć obiekt szablonu lub użyć szablonu w formacie JSON. Teraz wiesz, jak wyodrębnić informacje z pliku pdf za pomocą API skrobaka pdf i bezpłatnego ekstraktora danych PDF. Poza tym możesz dowiedzieć się więcej o GroupDocs.Parser Cloud API korzystając z dokumentacji. Udostępniamy również sekcję Informacje o interfejsach API, która umożliwia wizualizację naszych interfejsów API i interakcję z nimi bezpośrednio w przeglądarce. W przypadku jakichkolwiek niejasności prosimy o kontakt na forum.