{
"success": true,
"endpoint": "pdf.extract",
"ocr": false,
"count": 1,
"partial": false,
"billable": true,
"items": [
{
"position": 1,
"source": "https://www.irs.gov/pub/irs-pdf/fw9.pdf",
"status": "ok",
"markdown": "# Form W-9\n\nRequest for Taxpayer Identification Number and Certification ...",
"pageCount": 6,
"title": "Form W-9",
"author": null,
"bytes": 140000,
"truncated": false
}
]
}
curl --location --request GET 'https://zylalabs.com/api/14903/pdf+to+text+and+markdown+api/38809/extract+pdf+to+markdown+or+text?url=https://www.irs.gov/pub/irs-pdf/fw9.pdf&format=markdown' --header 'Authorization: Bearer YOUR_API_KEY'
注册后,每个开发者都会被分配一个个人 API 访问密钥,这是一个唯一的字母和数字组合,用于访问我们的 API 端点。要使用 PDF转文本和Markdown API 进行身份验证,只需在 Authorization 标头中包含您的 bearer token。
| 标头 | 描述 |
|---|---|
授权
|
必需
应为 Bearer access_key. 订阅后,请查看上方的"您的 API 访问密钥"。
|
不 它只能提取嵌入的文本 扫描的仅图像PDF返回状态image_only并没有文本
每个调用一个PDF,最大25MB和200页。输出为前20,000个字符(约3-8页密集文本);更长的文档返回截断:true
仅限公共https网址 不接受私有网络地址和包含凭据的URL
默认情况下,Markdown 文本、纯文本或两者在同一响应中
是的 每个成功的调用在Zyla中都算作一个请求 包括仅图像结果 如果您想节省请求 请先检查PDF是否有文本层
该端点返回从PDF中提取的文本,以Markdown或纯文本格式,以及包括页面计数 标题 作者和一个指示文本是否被截断的标志的元数据
关键字段包括“成功”(操作状态),“提取文本”(提取的文本),“页面数”(页数),“标题”(文档标题),“作者”(文档作者)以及“截断”(指示输出是否超过20,000个字符)
响应被结构化为一个包含成功标志、端点信息和项目数组的JSON对象 每个项目包括源URL、状态、提取的文本和元数据等详细信息
该端点提供了从PDF中提取的文本 页数 文档标题 作者信息(如果可用)以及一个标志指示PDF是否被扫描或截断
主要参数是公共PDF URL 用户可以通过请求指定所需的输出格式(Markdown或纯文本)但不需要其他参数
用户可以解析 JSON 响应以访问提取的文本进行进一步处理、在应用程序中显示标题和作者,或分析页面计数以进行文档管理
典型的用例包括将法律文件 学术论文 或报告转换为可编辑格式 将提取的文本集成到应用程序中 或对PDF内容进行文本分析
数据准确性通过直接从嵌入文本层的PDF中提取文本来维持 API会标记扫描的PDF文件,确保用户在无法进行文本提取时知晓