DocForge

Complete PDF processing API — generate PDFs from HTML/templates, merge, split, encrypt, and extract text/tables. Built on WeasyPrint for pixel-perfect rendering.

原始信息汇总

DocForge 数据集概述

数据集基本信息

• 数据集名称: DocForge
• 类别: Commerce
• 提供者: Dave Sng
• 订阅者数量: 1
• API版本: v1 (current)

定价计划

• BASIC: $0.00 / 月
• PRO: $9.99 / 月
• ULTRA: $29.99 / 月
• MEGA: $99.99 / 月

API 核心描述

DocForge 是一个全面的 PDF 处理 API，涵盖 PDF 生命周期的每个阶段。它能够从 HTML/CSS 或 Jinja2 模板生成精美的 PDF，操作现有文档（合并、拆分、加密），并提取结构化数据（文本和表格）。该 API 基于 WeasyPrint 实现像素级完美的 CSS 渲染，并基于 pdfplumber 实现精确的数据提取。所有端点均返回即时结果，并附带使用情况跟踪标头。

端点功能详述

1. HTML 转 PDF

• 端点: POST /v1/pdf/from-html
• 功能: 将原始 HTML 和 CSS 转换为样式化的 PDF 文档。
• 主要参数:
  • html: 要转换的 HTML 内容（必需）
  • css: CSS 样式表
  • page_size: 页面尺寸（默认 A4）
  • orientation: 方向（默认 portrait）
  • margin_mm: 页边距（mm）
• 响应: 二进制 PDF 文件 (application/pdf)

2. 模板转 PDF

• 端点: POST /v1/pdf/from-template
• 功能: 使用动态数据渲染 Jinja2 HTML 模板，然后转换为 PDF。适用于发票、报告和证书。
• 主要参数:
  • template: Jinja2 HTML 模板（必需，最多 500K 字符）
  • data: 注入模板的 JSON 数据（必需）
  • css: CSS 样式表
  • page_size: 页面尺寸
  • orientation: 方向
• 响应: 二进制 PDF 文件

3. 合并 PDF

• 端点: POST /v1/pdf/merge
• 功能: 将多个 PDF 文件合并为单个文档。
• 内容类型: multipart/form-data
• 主要参数:
  • files: 要合并的 PDF 文件数组（必需，2-20 个文件）
• 响应: 合并后的 PDF

4. 拆分 PDF

• 端点: POST /v1/pdf/split
• 功能: 从 PDF 文档中提取特定页面。
• 内容类型: multipart/form-data
• 主要参数:
  • file: 源 PDF 文件（必需）
  • pages: 页面范围字符串（必需，例如 "1-3,5,7-9"，1-起始索引）
• 响应: 仅包含提取页面的 PDF

5. 加密 / 解密 PDF

• 端点: POST /v1/pdf/encrypt
• 功能: 为 PDF 添加或移除密码保护。
• 内容类型: multipart/form-data
• 主要参数:
  • file: PDF 文件（必需）
  • password: 密码（必需，1-256 字符）
  • action: 操作（默认 encrypt，可选 encrypt 或 decrypt）
• 响应: 受保护或未受保护的 PDF

6. PDF 元数据

• 端点: POST /v1/pdf/metadata
• 功能: 读取或更新 PDF 元数据（标题、作者、主题、关键词）。
• 内容类型: multipart/form-data
• 主要参数:
  • file: PDF 文件（必需）
  • title: 设置新标题
  • author: 设置新作者
  • subject: 设置新主题
  • keywords: 设置新关键词
• 响应模式:
  • 读取模式（不提供更新字段）: 返回 JSON 格式的元数据
  • 更新模式（提供任何字段）: 返回更新后的 PDF

7. 提取文本

• 端点: POST /v1/pdf/extract-text
• 功能: 从 PDF 文档中提取所有文本内容。
• 内容类型: multipart/form-data
• 主要参数:
  • file: 要提取文本的 PDF 文件（必需）
• 响应: JSON 格式，包含页数、提取的文本内容和字数统计。

8. 提取表格

• 端点: POST /v1/pdf/extract-tables
• 功能: 从 PDF 中提取表格数据为结构化数组。
• 内容类型: multipart/form-data
• 主要参数:
  • file: 要提取表格的 PDF 文件（必需）
• 响应: JSON 格式，包含页数、表格数组和表格数量。

错误处理

所有错误均返回 JSON 格式响应，包含 success、error 和 detail 字段。部分错误代码与描述：

• 400: too_few_files - 合并至少需要 2 个文件
• 400: too_many_files - 每次合并最多 20 个文件
• 400: invalid_action - 加密操作必须为 "encrypt" 或 "decrypt"
• 422: validation_error - 请求参数无效
• 500: pdf_error - PDF 处理失败

响应标头

• X-Request-ID: 唯一的 8 字符请求标识符
• X-API-Version: 当前 API 版本

使用案例

• 发票生成 - 将包含动态数据的模板渲染为专业的 PDF
• 文档管理 - 合并、拆分和加密 PDF 文件
• 数据提取 - 从 PDF 报告中提取文本和表格
• 报告自动化 - 将 HTML 仪表板转换为 PDF
• 元数据管理 - 以编程方式读取或更新 PDF 属性
• 合规性 - 为审计和合规工作流程提取文本

搜集汇总

背景与挑战

背景概述

DocForge是一个基于WeasyPrint的PDF处理API工具，支持HTML/模板转PDF、文档合并拆分、加密及文本表格提取等功能，可实现精准渲染。