Office文件内容提取 | 获取Word文件内容 |Javascript提取PDF文字内容 |PPT文档文字内容提取

关于Office系列文件文字内容的提取

本文主要通过接口的方式获取Office文件和PDF、OFD文件的文字内容。适用于需要获取Word、OFD、PDF、PPT等文件内容的提取实现。例如在线文字统计以及论文文字内容的提取。

一、提取Word及WPS文档的文字内容。

支持以下文件格式：

请求地址：https://vw.usdoc.cn/
请求方式：GET
请求参数:

公共响应参数：

响应参数：

代码示例一：

提取全部内容，不分页返回

//请求接口地址：https://vw.usdoc.cn/
//参数： words=all
//完整的转换地址如下,可以将如下地址放在浏览器请求

https://vw.usdoc.cn/?words=all&src=https://usdoc.cn/vw/文件模板.docx

https://vw.usdoc.cn/?words=all&src=https://usdoc.cn/vw/文件模板.docx

{
    "code": 200,
    "msg": "success",
    "data": {
        "fileName": "文件模板.docx",
        "fileSize": 128967,
        "pageCount": 3,
        "content": [
            "关于国庆节放假安排的通知（在线预览）\r\r主送机关全称：......（usdoc在线预览）\r文件正文。其致一也。后之览者，亦将有感于斯文。"
        ]
    }
}

代码示例二：

以分页的方式提取全部内容，分页返回

//请求接口地址：https://vw.usdoc.cn/
//参数： words=pag
//完整的转换地址如下,可以将如下地址放在浏览器请求

https://vw.usdoc.cn/?words=pag&src=https://usdoc.cn/vw/文件模板.docx

https://vw.usdoc.cn/?words=pag&src=https://usdoc.cn/vw/文件模板.docx

{
    "code": 200,
    "msg": "Success",
    "data": {
        "fileName": "文件模板.docx",
        "fileSize": 128967,
        "pageCount": 3,
        "content": [
            "关于国庆节放假安排的通知（usdoc在线预览）文件正文。...10月1日至7日放假调休，......三级标题（空两格）\r（1）四级标题（空两格）",
            "当否，请批示。\r附件：1、\r          2、\r\r\rusdoc文档在线预览服务\r2022年10月10日\r\r\r\r\r\r（联系人：×××，联系电话：××××）",
            "兰亭集序\r\r永和九年，岁在癸丑，暮春之初，会于会稽山阴之兰亭，修禊......，亦将有感于斯文"
        ]
    }
}