SmartSchema Extract API

Convert unstructured text to validated JSON using AI. Define any JSON Schema per request. Extract data from invoices, emails, HTML, PDFs.

原始信息汇总

SmartSchema Extract API 数据集详情

核心功能：将非结构化文本（如网页HTML、原始PDF文本、邮件、转录日志）转换为严格验证的JSON对象。它利用Google Gemini的原生结构化输出，实现99.99%的Schema合规率，消除了对脆弱正则表达式或自定义解析器的依赖。

关键性能指标：

• 中位响应时间：使用优化的gemini-2.5-flash-lite模型，低于400ms。
• 准确率：对提供的JSON Schema（Draft-07兼容）结构的遵循率为99.9%。
• 零幻觉保护：开启strict_mode: true后，对缺失字段返回null而非推断值，确保数据事实完整性。
• 规模容量：在Business层级，单次请求支持高达100,000字符的输入。

核心应用场景：

1. 电子商务与Web爬取：将非结构化的爬取HTML标准化为清晰、可比较的产品记录（含数组、对象、数字、布尔值）。
2. 文档与发票处理：将发票、收据、合同中的原始OCR文本转换为结构化数据库，实现准确的税额和汇总金额提取。
3. 邮件自动化与实体识别：直接从邮件正文提取会议日期、联系方式、采购订单号和行动项，以触发自动化CRM工作流。

工作原理：

1. 发送请求：在请求体中提交原始非结构化文本和目标JSON Schema。
2. AI提取：工作进程使用原生JSON输出配置，将请求转发至Google Gemini API。
3. 结构化响应：收到严格验证的JSON负载，完全匹配所要求的Schema结构。

请求示例： json { "text": "Order #1042 placed on June 3rd 2025. Customer: Alice Johnson. Total: $149.99. Status: shipped.", "schema": { "type": "object", "properties": { "order_id": {"type": "string"}, "customer_name": {"type": "string"}, "total_amount": {"type": "number"}, "status": {"type": "string"} }, "required": ["order_id", "customer_name"] } }

价格方案：

• BASIC: $0.00/月
• PRO: $19.00/月
• ULTRA: $49.00/月
• MEGA: $149.00/月

API端点：

• 提取端点：POST /extractData