我相信大家都有过这样的需求，把doc、ppt、excel、pdf、txt中的文本内容提取出来。提取出来的文本内容可用于文档内容的全文索引，文档的基本内容摘要等。在度娘上搜索“如何提取文档内容”，确实有很多demo可以借鉴，但是，很多demo要么是需要付费的jar包，要么提取出的内容不全或者乱码。Java有许多开源工具包可用，尚且还不完美，何况其它一些开发语言如node、golang、ruby、python呢！
如果能有免费的API接口可以调用，那就不管是啥语言了，省时又省心，何乐而不为呢！基于此，我百度了下，没想到还真找到了。所以在此记录下，也希望能帮助到大家。
接口详细说明：https://www.xiaocongjisuan.com/show/api/11
接口介绍：提取word、ppt、pdf等文档中的内容返回给接口调用者
接口详细介绍中已经说的很清楚了，下面我简单说下注意事项：
1、关于appKey和openId
appKey：接口唯一标识，在用户后台->应用中心->我的接口查看
openId：平台id，注册后系统自动生成，在用户后台->用户中心->账户信息查看
2、关于文件传值
接口传值统一采用base64编码，由于get请求参数有长度限制，所以在调用api接口时，必须使用POST方式。【文档base64的编码值，请保持数据的完整性(可不带数据头)，以TXT为例如:[“data:text/plain;base64,aHR0cHM6…”] 或 [“aHR0cHM6…”]】
3、错误码
接口返回的错误码，具体内容请查看接口详细说明
同时接口说明中也有各种开发语言的调用DEMO，如：java、python、php、c#、golang、nodeJS，其实不止上述这些语言，只要可以发出POST请求，就可以使用该接口，非常的方便。这个平台还有很多其它功能的接口，大部分是免费的。像什么天气预报、万年历、老黄历、中文分词、电影数据查询、电子书查询、网盘数据等等，大家慢慢去发现吧！相关代码我就不贴了，主要是编辑器不友好！！！
网友评论