在 Node.js 中使用 REST API 从 PDF 中提取数据

在 Node.js 中使用 REST API 从 PDF 中提取数据

我们可以轻松地解析 PDF 文档并使用云端用户定义的模板提取特定数据。我们可以通过编程方式从 PDF 文件中提取字段和表格数据。在本文中，我们将学习如何在 Node.js 中使用 REST API 从 PDF 中提取数据。

本文应涵盖以下主题：

REST API 和 Node.js SDK 从 PDF 中提取数据

为了基于模板解析 PDF 文档和提取数据，我们将使用 GroupDocs.Parser Cloud 的 Node.js SDK API。它还允许解析其他支持的文档类型，并使用模板提取文本、图像和特定数据。请在控制台中使用以下命令安装它：

npm install groupdocs-parser-cloud

在执行上述步骤之前，请从仪表板获取您的客户端 ID 和密码。获得 ID 和密码后，添加如下所示的代码：

// 此代码示例演示如何添加您的客户端 ID 和密码。
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 中使用基于 JSON 的模板文件提取数据

我们可以按照下面给出的简单步骤使用模板从 PDF 文档中提取数据：

上传文件

首先，我们将使用下面给出的代码示例将 PDF 文档上传到云端以抓取 pdf：

// 此代码示例演示如何将 PDF 文档上传到云端。
// 构造FileApi
let fileApi = groupdocs_parser_cloud.FileApi.fromConfig(configuration);
let file = 'C:\\Files\\companies.pdf';

// 读取文件
fs.readFile(file, (err, fileStream) => {
  // 上传文件请求
  let request = new groupdocs_parser_cloud.UploadFileRequest("companies.pdf", fileStream, myStorage);
  // 上传文件
  fileApi.uploadFile(request);
});

因此，上传的 PDF 文件将在云端仪表板的 文件部分 中可用。

使用基于 JSON 的模板文件从 PDF 中提取数据

我们可以按照以下步骤使用基于 JSON 的模板文件解析 PDF 文档并提取数据：

  1. 创建 ParseApi 的实例。
  2. 提供上传的 PDF 文件路径。
  3. 设置模板 JSON 文件的路径。
  4. 最后，解析文档并提取数据。

以下代码示例显示了如何使用 REST API 根据 JSON 文件中提供的模板提取数据。

// 此代码示例演示如何通过基于 JSON 的模板解析 PDF 文档。
// 创建 API 实例
let parseApi = groupdocs_parser_cloud.ParseApi.fromConfig(configuration);

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

// 创建解析选项
let options = new groupdocs_parser_cloud.ParseOptions();
options.fileInfo = fileInfo;
options.templatePath = "template.json";

// 创建解析请求
let request = new groupdocs_parser_cloud.ParseRequest(options);

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

// 显示输出
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);
    });
  }
});

请在下方找到 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 中使用模板对象提取数据

我们可以按照下面给出的步骤，基于定义为对象的模板从 PDF 文件中提取数据：

  1. 创建 ParseApi 的实例。
  2. 提供上传的 PDF 文件路径。
  3. 将模板初始化为对象。
  4. 最后，解析文档并提取数据。

以下代码示例显示了如何使用 REST API 根据定义的模板从 PDF 文档中提取数据。请按照前面提到的步骤上传文件。

// 此代码示例演示如何通过模板对象解析 PDF 文档。
// 接口初始化
let parseApi = groupdocs_parser_cloud.ParseApi.fromConfig(configuration);

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

// 定义解析选项
let options = new groupdocs_parser_cloud.ParseOptions();
options.fileInfo = fileInfo;

// 获取模板对象
options.template = GetTemplate();

// 创建解析请求
let request = new groupdocs_parser_cloud.ParseRequest(options);
// 传递文件
let result = await parseApi.parse(request);

// 显示结果
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);
    });
  }
});

请在下面找到根据 PDF 文档创建的用于从 pdf 中抓取数据的模板对象。

// 此代码示例演示了一个模板对象。
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 中使用模板对象提取数据

在 Node.js 中使用模板对象提取数据

在 Node.js 中使用模板解析容器内的文档

我们还可以解析容器内可用的 PDF 文档并使用模板对象提取数据。请按照下面提到的步骤解析文档以从容器内的扫描 pdf 中提取数据。

  1. 创建 ParseApi 的实例。
  2. 提供上传的存档文件路径。
  3. 将模板初始化为对象。
  4. 提供容器项目。
  5. 最后，解析文档并提取数据。

以下代码示例显示了如何使用 REST API 解析 ZIP 存档中的 PDF 文档。请按照前面提到的步骤上传文件并从 pdf 中提取信息。

// 此代码示例演示如何解析容器内可用的 PDF 文档。
// 接口初始化
let parseApi = groupdocs_parser_cloud.ParseApi.fromConfig(configuration);

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

// 创建解析选项
let options = new groupdocs_parser_cloud.ParseOptions();
options.fileInfo = fileInfo;

// 获取模板对象
options.template = GetTemplate();

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

// 创建解析请求
let request = new groupdocs_parser_cloud.ParseRequest(options);

// 创建请求
let response = await parseApi.parse(request);

// 显示输出
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);
    });
  }
});

在线试用

请尝试使用以下免费在线 PDF 解析工具在线提取 pdf 数据。此 pdf 内容提取器是使用上述 API 开发的。 https://products.groupdocs.app/parser/pdf

结论

在本文中，我们学习了如何根据云端提供的模板从 PDF 文档中提取特定数据。我们还看到了如何创建模板对象或使用 JSON 格式的模板。现在您知道了如何使用 pdf scraper API 和免费的 PDF 数据提取器从 pdf 中提取信息。此外，您可以使用 文档 了解有关 GroupDocs.Parser Cloud API 的更多信息。我们还提供了一个 API 参考 部分，让您可以直接通过浏览器可视化我们的 API 并与之交互。如有任何歧义，请随时在论坛上与我们联系。

也可以看看