在 Node.js 中使用 REST API 從 PDF 中提取數據

在 Node.js 中使用 REST API 從 PDF 中提取數據

我們可以輕鬆地解析 PDF 文檔並使用雲端用戶定義的模板提取特定數據。我們可以通過編程方式從 PDF 文件中提取字段和表格數據。在本文中，我們將學習如何在 Node.js 中使用 REST API 從 PDF 中提取數據。

本文應涵蓋以下主題：

REST API 和 Node.js SDK 從 PDF 中提取數據

為了基於模板解析 PDF 文檔和提取數據，我們將使用 GroupDocs.Parser Cloud 的 Node.js SDK API。它還允許解析其他支持的文檔類型，並使用模板提取文本、圖像和特定數據。請在控制台中使用以下命令安裝它：

npm install groupdocs-parser-cloud

在執行上述步驟之前，請從儀表板獲取您的客戶端 ID 和密碼。獲得 ID 和密碼後，添加如下所示的代碼：

// 此代碼示例演示如何添加您的客戶端 ID 和密碼。
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";

在 Node.js 中使用基於 JSON 的模板文件提取數據

我們可以按照下面給出的簡單步驟使用模板從 PDF 文檔中提取數據：

上傳文件

首先，我們將使用下面給出的代碼示例將 PDF 文檔上傳到雲端以抓取 pdf：

// 此代碼示例演示如何將 PDF 文檔上傳到雲端。
// 構造FileApi
let fileApi = groupdocs_parser_cloud.FileApi.fromConfig(configuration);
let file = 'C:\\Files\\companies.pdf';

// 讀取文件
fs.readFile(file, (err, fileStream) => {
  // 上傳文件請求
  let request = new groupdocs_parser_cloud.UploadFileRequest("companies.pdf", fileStream, myStorage);
  // 上傳文件
  fileApi.uploadFile(request);
});

因此，上傳的 PDF 文件將在雲端儀表板的 文件部分 中可用。

使用基於 JSON 的模板文件從 PDF 中提取數據

我們可以按照以下步驟使用基於 JSON 的模板文件解析 PDF 文檔並提取數據：

  1. 創建 ParseApi 的實例。
  2. 提供上傳的 PDF 文件路徑。
  3. 設置模板 JSON 文件的路徑。
  4. 最後，解析文檔並提取數據。

以下代碼示例顯示瞭如何使用 REST API 根據 JSON 文件中提供的模板提取數據。

// 此代碼示例演示如何通過基於 JSON 的模板解析 PDF 文檔。
// 創建 API 實例
let parseApi = groupdocs_parser_cloud.ParseApi.fromConfig(configuration);

// 輸入文件路徑
let fileInfo = new groupdocs_parser_cloud.FileInfo()
fileInfo.filePath = "companies.pdf"

// 創建解析選項
let options = new groupdocs_parser_cloud.ParseOptions();
options.fileInfo = fileInfo;
options.templatePath = "template.json";

// 創建解析請求
let request = new groupdocs_parser_cloud.ParseRequest(options);

// 解析文檔
let response = await parseApi.parse(request);

// 顯示輸出
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);
    });
  }
});

請在下方找到 JSON 格式的模板。

{
  "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
          }
        }
      }
    }
  ]
}

在 Node.js 中使用模闆對象提取數據

我們可以按照以下給出的步驟，基於定義為對象的模板從 PDF 文件中提取數據：

  1. 創建 ParseApi 的實例。
  2. 提供上傳的 PDF 文件路徑。
  3. 將模板初始化為對象。
  4. 最後，解析文檔並提取數據。

以下代碼示例顯示瞭如何使用 REST API 根據定義的模板從 PDF 文檔中提取數據。請按照前面提到的步驟上傳文件。

// 此代碼示例演示如何通過模闆對象解析 PDF 文檔。
// 接口初始化
let parseApi = groupdocs_parser_cloud.ParseApi.fromConfig(configuration);

// 輸入文件
let fileInfo = new groupdocs_parser_cloud.FileInfo();
fileInfo.filePath = "companies.pdf";

// 定義解析選項
let options = new groupdocs_parser_cloud.ParseOptions();
options.fileInfo = fileInfo;

// 獲取模闆對象
options.template = GetTemplate();

// 創建解析請求
let request = new groupdocs_parser_cloud.ParseRequest(options);
// 傳遞文檔
let result = await parseApi.parse(request);

// 顯示結果
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);
    });
  }
});

請在下面找到根據 PDF 文檔創建的用於從 pdf 中抓取數據的模闆對象。

// 此代碼示例演示了一個模闆對象。
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;
在 Node.js 中使用模闆對象提取數據

在 Node.js 中使用模闆對象提取數據

在 Node.js 中使用模板解析容器內的文檔

我們還可以解析容器內可用的 PDF 文檔並使用模闆對象提取數據。請按照下面提到的步驟解析文檔以從容器內的掃描 pdf 中提取數據。

  1. 創建 ParseApi 的實例。
  2. 提供上傳的存檔文件路徑。
  3. 將模板初始化為對象。
  4. 提供容器項目。
  5. 最後，解析文檔並提取數據。

以下代碼示例顯示瞭如何使用 REST API 解析 ZIP 存檔中的 PDF 文檔。請按照前面提到的步驟上傳文件並從 pdf 中提取信息。

// 此代碼示例演示如何解析容器內可用的 PDF 文檔。
// 接口初始化
let parseApi = groupdocs_parser_cloud.ParseApi.fromConfig(configuration);

// 輸入文件路徑
let fileInfo = new groupdocs_parser_cloud.FileInfo();
fileInfo.filePath = "archive.zip";

// 創建解析選項
let options = new groupdocs_parser_cloud.ParseOptions();
options.fileInfo = fileInfo;

// 獲取模闆對象
options.template = GetTemplate();

// 容器項目信息
let containerItemInfo = new groupdocs_parser_cloud.ContainerItemInfo();
containerItemInfo.relativePath = "companies.pdf";
options.containerItemInfo = containerItemInfo;

// 創建解析請求
let request = new groupdocs_parser_cloud.ParseRequest(options);

// 創建請求
let response = await parseApi.parse(request);

// 顯示輸出
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);
    });
  }
});

在線試用

請嘗試使用以下免費在線 PDF 解析工具在線提取 pdf 數據。此 pdf 內容提取器是使用上述 API 開發的。 https://products.groupdocs.app/parser/pdf

結論

在本文中，我們學習瞭如何根據云端提供的模板從 PDF 文檔中提取特定數據。我們還看到瞭如何創建模闆對像或使用 JSON 格式的模板。現在您知道瞭如何使用 pdf scraper API 和免費的 PDF 數據提取器從 pdf 中提取信息。此外，您可以使用 文檔 了解有關 GroupDocs.Parser Cloud API 的更多信息。我們還提供了一個 API 參考 部分，讓您可以直接通過瀏覽器可視化我們的 API 並與之交互。如有任何歧義，請隨時在論壇上與我們聯繫。

也可以看看