DocForge
收藏官方服务：
资源简介：
Extract structured data from any PDF, image, or Office file. Templates, custom schemas, confidence scores and more. 50 files free.
创建时间：
2026-08-19
原始信息汇总
DocForge 数据集详情总结
DocForge 是一个智能文档处理（IDP）API，能够将PDF、图片、Office文件或纯文本等各类文档转换为结构化数据，并为每个字段提供置信度评分和算术一致性校验。该API支持7种输出格式（JSON、CSV、XLSX、XML、YAML、Markdown、纯文本）。
API基本信息
- 类别：文本分析（Text Analysis）
- 服务级别：100%
- 延迟：1077ms
- 测试通过率：100%
- 创建者：Matthew Hayes
- 订阅者数：1
核心功能
五种提取模式
| 模式 | 参数 | 说明 |
|---|---|---|
| 模板 | template |
提供95个预构建模板（发票、收据、提单、税务表格等） |
| 表格布局 | schema_id |
上传Excel/CSV定义列标题，按列名提取 |
| JSON Schema | schema |
自定义字段定义，输出按Schema验证（ULTRA+计划） |
| 指令 | instructions |
直接用自然语言描述提取需求 |
| 自动检测 | 无需参数 | 自动识别文档类型 |
三种结果获取方式
- 同步模式（推荐）：添加
?wait=1参数，单次请求返回完整结果（最长40秒），每个文档消耗1次请求 - 异步模式：立即返回
task_id，通过轮询GET /status/{task_id}获取结果，每个文档消耗4-6次请求 - Webhook：传递
callback_url，结果完成后自动POST推送，使用HMAC-SHA256签名验证
主要特性
- 95个预构建提取模板，所有计划均支持表格布局
- 字段级置信度评分：分数0-100，等级分为高（80+）/中（50+）/低，可路由低置信度结果到人工审核
- 算术一致性检查：验证小计+税=总计、行项目求和及财务文档余额对账
- OCR预处理：支持暗色表头反转和伪影去噪，优化手机拍摄照片和旧扫描件
- 多页和大文档原生支持：分块提取，无截断、无数据丢失
- 零数据留存：文档仅在RAM中处理，不写入磁盘，不用于模型训练
支持的文件格式
PDF、JPG、PNG、TIFF、BMP、DOCX、PPTX、HTML、Markdown、TXT，最大25MB（免费计划为5MB）
API端点
| 端点 | 用途 |
|---|---|
POST /api/v1/extract?wait=1 |
同步提取（单次请求） |
POST /api/v1/extract |
异步提取（返回task_id） |
GET /api/v1/status/{task_id} |
轮询结果 |
GET /api/v1/templates?fields=true |
查看95个模板及字段定义 |
POST /api/v1/schema/from-spreadsheet |
从Excel/CSV表头创建布局 |
GET /api/v1/health |
服务健康检查（无需认证） |
定价计划
| 计划 | 月费 |
|---|---|
| BASIC | $0.00 |
| PRO | $39.00 |
| ULTRA | $115.00 |
| MEGA | $345.00 |
错误码说明
400输入错误401密钥错误403计划功能限制413文件过大415不支持的文件类型429配额超限503服务暂时不可用
额外说明
- 配额按请求数计算，使用同步或Webhook模式时1个文档=1次请求
- 同一文档同一模式产生相同结果（确定性，温度0）
- 完整文档：https://docforge.biz/docs
- 真实提取效果展示：https://docforge.biz/what-to-expect
- 支持邮箱：hello@docforge.biz
