文档提取API
一款用于从PDF、邮件和文档中提取结构化数据的可靠REST API。只需定义一次模式,每次都能获得一致的JSON输出——内置Webhook、重试和GDPR合规。
上传一份文档,获取结构化JSON
请求
curl -X POST https://api.airparser.com/inboxes/INBOX_ID/upload-sync \
-H "X-API-Key: YOUR_API_KEY" \
-F "[email protected]"响应
{
"doc_id": "64abc123def456...",
"parsing_in_progress": false,
"status": "parsed",
"name": "invoice.pdf",
"content_type": "application/pdf",
"created_at": "2026-03-10T12:00:00.000Z",
"processed_at": "2026-03-10T12:00:04.321Z",
"json": {
"invoice_number": "INV-2024-0042",
"invoice_date": "2024-03-15",
"vendor_name": "Acme Supplies Ltd",
"total_amount": 1284.50,
"currency": "USD",
"due_date": "2024-04-14",
"line_items": [
{
"description": "Office supplies",
"quantity": 3,
"unit_price": 428.17,
"total": 1284.50
}
]
}
}为生产环境而构建,而非原型验证
保证的模式(Schema)
只需定义一次输出模式。每份文档都会返回完全相同的JSON结构——在生产环境中没有格式差异,没有解析意外。
Webhook交付
提取完成的瞬间,结果就会被推送到您的端点。带指数退避的自动重试——无需轮询。
多引擎回退
文本LLM→视觉LLM→AI OCR。扫描文档、基于图像的PDF和手写文本都会被自动处理,无需额外配置。
默认符合GDPR
AES-256加密、可配置的数据保留、不使用您的数据进行训练,可选择基于欧盟的处理。合规性内置于其中,而非事后添加。
Python后处理
在交付前对提取的数据运行自定义Python代码——规范化数值、应用业务规则、丰富字段或筛选结果。
支持60多种语言
从任何语言的文档中提取数据。AI理解的是上下文和字段含义——而不仅仅是字符模式——因此准确率在各语言间都能保持稳定。
API的工作原理
定义您的提取模式(Schema)
用平实的语言描述您想要提取的字段——字段名、类型和简短描述。无需模板,无需训练数据。Airparser会用它来指示AI提取什么内容以及如何格式化。
通过API或邮件上传文档
通过多部分上传或base64编码,将文档POST到 /api/v1/inboxes/:id/documents 。或者将邮件转发到您的Airparser收件箱地址——附件会被自动解析。
接收结构化的JSON
结果会以匹配您模式的JSON载荷形式交付到您的Webhook URL。或轮询文档端点。或导出到Google表格、Airtable、HubSpot,或任何连接了Zapier的应用。
支持的文档类型
所有格式,自动引擎选择
原生与扫描版
邮件
正文与附件
图像
JPG、PNG、TIFF
Word / DOCX
所有版本
CSV / Excel
表格与工作表
HTML
网页与邮件
手写文档
通过视觉LLM
纯文本
TXT、RTF、MD
