文档解析（旧接口）

更新时间：2024-07-26

接口描述

支持对doc、pdf、图片、xlsx等16种格式文档进行解析，输出文档的版面、表格、阅读顺序、标题层级、旋转角度等信息，将非结构化数据转化为易于处理的结构化数据，识别准确率可达 90% 以上。

该接口正在公测中，完成个人/企业认证的用户可领取200页免费额度，如需申请更多额度或者QPS，请合作咨询，或者提交工单。

文档解析为异步接口，需要先调用提交请求接口获取 task_id，然后调用获取结果接口进行结果轮询，建议提交请求后 5～10 秒轮询。提交请求接口QPS为2，获取结果接口QPS为10。

提交请求接口

请求说明

请求示例

HTTP 方法：POST

请求URL： https://aip.baidubce.com/file/2.0/brain/online/v1/parser/task

URL参数：

参数	值
access_token	通过API Key和Secret Key获取的access_token,参考“Access Token获取”

Header如下：

参数	值
Content-Type	multipart/form-data

Body中放置请求参数，参数详情如下：

请求参数

参数	是否必选	类型	可选值范围	说明
file	和file_url二选一	file	-	文件数据，支持的文件类型： -版式文档：pdf、jpg、jpeg、png、bmp、tif、tiff、ofd、ppt、pptx -流式文档：doc、docx、txt、xls、xlsx、wps 文档大小不超过50M，文档页数不超过1000页（流式文档按2000字算一页）优先级： file > file_url，当file字段存在时，file_url字段失效
file_url	和file二选一	string	-	文件完整URL，仅支持北京区域的BOS公网访问，URL长度不超过1024字节，支持格式与file一致，仅支持上传1篇文件，文件大小不超过50M 优先级： file > file_url，当file字段存在时，file_url字段失效请注意关闭URL防盗链
file_name	是	string	-	文件名，请保证文件名后缀正确，例如 "1.pdf "
return_para_nodes	否	bool	true/false	是否返回标题层级段落树。默认为false

请求代码示例

提示：使用示例代码前，请记得替换其中的示例Token、文档地址或Base64信息。

Python

import requests
import os


def create_task(url, file_path, file_url):
    """
    Args:
        url: string, 服务请求链接
        file_path: 本地文件路径
        file_url: 文件链接
    Returns: 响应
    """
    # 文件请求
    body = {
        "file": (os.path.basename(file_path), open(file_path, 'rb'), "multipart/form-data"),
    }
    
    # 文件链接请求
    # body = {
    #     "file_url": (file_url, "multipart/form-data")
    # }

    data = {
        "file_name": os.path.basename(file_path),
        "return_para_nodes": True
    }

    response = requests.post(url, data=data, files=body)
    return response

if __name__ == '__main__':
    request_host = "https://aip.baidubce.com/file/2.0/brain/online/v1/parser/task?" \
                   "access_token={token}"
    file_path = "test.pdf"
    response = create_task(request_host, file_path, "")
    print(response.json())

返回说明

返回参数

字段	类型	说明
log_id	uint64	唯一的log id，用于问题定位
error_code	int	错误码
error_msg	string	错误描述信息
result	dict	返回的结果列表
+ task_id	string	该请求生成的task_id，后续使用该task_id获取审查结果

返回示例

成功返回示例：

{
    "error_code": 0,
    "error_msg": "",
    "log_id": "10138598131137362685273505665433",
    "result": {
        "task_id": "task-3zy9Bg8CHt1M4pPOcX2q5bg28j26801S"
    }
}

失败返回示例（详细的错误码说明见API文档-错误码）：

{
    "error_code": 282003,
    "error_msg": "missing parameters",
    "log_id": "37507631033585544507983253924141",
    "result": "null"
}

获取结果接口