PDF Text & Table Extractor

Extract structured text, words, tables, and character geometry from PDF documents.

原始信息汇总

PDF Text & Table Extractor 数据集/API 详情总结

名称：PDF Text & Table Extractor
提供商：Codevast
类别：Text Analysis
价格方案：

方案	月费	每月请求次数	超额费用	速率限制
BASIC (免费)	$0.00	50	—	3次/分钟
PRO	$19.00	2,500	$0.02/次	15次/分钟
ULTRA	$49.00	12,000	$0.012/次	30次/分钟
MEGA	$149.00	60,000	$0.008/次	60次/分钟

核心功能：对基于文本的PDF进行布局感知提取，返回结构化的每页文本、带位置的单词、检测到的表格以及字符几何信息（包括边界框、字体、大小和颜色）。支持页面范围选择和受密码保护的PDF文件。

主要特点：

• 每页文本提取 + 带坐标的单词
• 表格检测并以结构化行/列返回
• 字符级几何信息（边界框、字体、字号、颜色）
• 支持页面范围（如 1-3,5）和密码保护PDF

适用场景：

• 发票和收据解析管道
• PDF文档库的搜索索引构建
• 从报告中挖掘结构化数据
• 下游NLP/LLM的预处理步骤

接口端点：

• POST /api/v1/extract（主要接口）：上传PDF，返回包含文本、单词、表格和字符几何的分页JSON响应
• GET /health：服务健康检查探针

请求参数（multipart/form-data）：

• file（必需）：PDF文件
• pages（可选）：指定页码范围，如 1-3,5
• password（可选）：PDF密码
• include_words（可选）：是否包含单词位置
• include_tables（可选）：是否检测表格
• include_chars（可选）：是否包含字符几何信息

响应示例： json { "pages": [ { "page": 1, "text": "Invoice #1042 ...", "words": [{"text": "Invoice", "x0": 72.0, "top": 60.1}], "tables": [[["Item", "Qty", "Price"], ["Widget", "3", "$9.00"]]] } ] }

注意事项：

• 对基于文本的PDF（非扫描件）效果最佳，不支持OCR
• 使用 X-RapidAPI-Key 进行身份认证