通过

营养物质 - 从 PDF 中提取 （预览版）

使用营养文档转换器提取作解锁功能强大的 PDF 文本和数据提取。 无缝检索文本、数据、提取键值对，并利用 OCR 技术处理扫描的文档。 非常适合用于索引、搜索、内容分析和结构化数据工作流。

此连接器在以下产品和区域中可用：

服务 Class 区域
Copilot Studio 高级 除以下各项外的所有 Power Automate 区域 ：
     - 美国政府 （GCC）
     - 美国政府 （GCC High）
     - 由世纪互联运营的中国云
     - 美国国防部（DoD）
逻辑应用程序 标准 除以下各项外的所有 逻辑应用区域 ：
     - Azure 政府区域
     - Azure 中国区域
     - 美国国防部（DoD）
Power Apps 高级 除以下各项外的所有 Power Apps 区域 ：
     - 美国政府 （GCC）
     - 美国政府 （GCC High）
     - 由世纪互联运营的中国云
     - 美国国防部（DoD）
Power Automate 高级 除以下各项外的所有 Power Automate 区域 ：
     - 美国政府 （GCC）
     - 美国政府 （GCC High）
     - 由世纪互联运营的中国云
     - 美国国防部（DoD）
联系人​​
Name 营养（前穆希姆比）支持
URL https://support.nutrient.io/hc/en-us/requests/new
Email support+low-code@nutrient.io
连接器元数据
发布者 穆希姆比交易作为营养物质
网站 https://www.nutrient.io/low-code/
隐私策略 https://www.nutrient.io/legal/privacy/
类别 协作;内容和文件

从 PDF 中提取文本和数据

营养文档转换器使你可以从 PDF 文件中提取文本、数据或特定页面，作为 Power Automate 中自动化工作流的一部分。 还可以使用 OCR 从图像中提取文本。

可用操作

有关在工作流中实现这些作的分步说明，请参阅链接指南。

先决条件

若要使用营养文档转换器，需要一个 免费 或 试用 帐户。 请参阅 比较指南 ，了解这些帐户类型之间的差异。

入门指南

按照以下步骤开始使用营养文档转换器连接器：

已知问题和限制

由于安全限制，无法处理受 IRM、DRM、RMS 或 AIP 解决方案 保护的文档。

有关问题或帮助，请联系 我们的支持团队。

限制

名称 调用 续订期
每个连接的 API 调用数 100 60 秒

操作

从 PDF 文档中提取文本

从 PDF 文档中检索文本内容，以便轻松编制索引、搜索或内容分析。
从 PDF 文档中提取键值对

识别和提取文档中用于处理表单或结构化数据工作流的键值对。
使用 OCR 从 PDF 文件中提取文本

使用 OCR 技术从扫描的文档或图像中提取文本，使其可搜索和编辑。

从 PDF 文档中提取文本

操作 ID:
extract_text

从 PDF 文档中检索文本内容，以便轻松编制索引、搜索或内容分析。

参数

名称 密钥 必需 类型 说明
源文件名称
 source_file_name True string

源文件的名称，包括扩展名
源文件内容
 source_file_content True byte

要转换的文件的内容
页面范围
 page_range string

要从其中提取文本的页面范围，例如 1,5,8-12
出错时失败
 fail_on_error boolean

出错时失败

返回

所有作的响应数据

Body
operation_response

从 PDF 文档中提取键值对

操作 ID:
extract_key_value_pairs

识别和提取文档中用于处理表单或结构化数据工作流的键值对。

参数

名称 密钥 必需 类型 说明
源文件名称
 source_file_name True string

源文件的名称，包括扩展名
源文件内容
 source_file_content True byte

要转换的文件的内容
OCR 语言
 ocr_language string

OCR 和 KVP 提取的语言代码，用“+”分隔。 例如，“eng+deu+fra”将添加英语、德语和法语。
DPI
 dpi enum

删除 PDF 中的空白页
KVP 输出格式
 kvp_format enum

用逗号分隔的输出格式。 KVP 数据可以在 JSON、CSV 和 XML 中输出。 e.g. json，csv，xml
页面范围
 page_range string

KVP 要处理的页面。 对第 1 到 5 页使用“1 - 5”的字符串，或使用“1、5、6”字符串来指定页面 1 和 5 和 6。
Autorotate
 autorotate enum

如果文本没有正确的方向，则将其设置为“是”将自动旋转页面。
剪裁符号
 trim_symbols enum

如果将其设置为“是”，则会从值的开头/结尾删除任何符号，但哈希“#”或句点“.”符号除外。
包括键边界框
 include_key_bounding_box enum

在输出中包含键的边界框值
包括值边界框
 include_value_bounding_box enum

在输出中包含值的边界框值
包括页码
 include_page_number enum

在输出中包含键值对的页码
包括置信度
 include_confidence enum

在输出中包含键值对的置信度分数。 置信度在 0（无置信度）和 100（完全置信度）之间测量。
置信度阈值
 confidence_threshold integer

键值对必须达到的置信度阈值才能包含在输出中。 将丢弃阈值下的结果。
包含类型
 include_type enum

在输出中包含键值对的数据类型
预期密钥
 expected_keys string

包含预期键和同义词的 JSON 字符串
出错时失败
 fail_on_error boolean

出错时失败

返回

所有作的响应数据

Body
operation_response

使用 OCR 从 PDF 文件中提取文本

操作 ID:
ocr_text

使用 OCR 技术从扫描的文档或图像中提取文本，使其可搜索和编辑。

参数

名称 密钥 必需 类型 说明
源文件名称
 source_file_name True string

源文件的名称，包括扩展名
源文件内容
 source_file_content True byte

文件内容到 OCR
语言
 language enum

语言
X 坐标
 x string

X 坐标（以 Pts 为单位，1/72 英寸）
Y 坐标
 y string

Y 坐标（以磅为单位，1/72 英寸）
宽度
 width string

OCR 区域的宽度（以 Pts 为单位，1/72 英寸）
高度
 height string

OCR 区域的高度（在 Pts 中，1/72 英寸）
页码
 page_number string

页码（将空白保留至 OCR 所有页面）
Performance
 performance enum

性能（）
黑名单/允许列表
 characters_option enum

“字符”选项
字符数
 characters string

将字符加入黑名单或允许列表
使用分页
 paginate boolean

标页数
出错时失败
 fail_on_error boolean

出错时失败

返回

OCRText作的响应数据

Body
ocr_operation_response

定义

ocr_operation_response

OCRText作的响应数据

名称 路径 类型 说明
Out text
 out_text string

以纯文本提取的 OCRed 文本。
基文件名
 base_file_name string

没有扩展名的输入文件的名称。
结果代码
 result_code enum

作结果代码。
结果详细信息
 result_details string

作结果详细信息。

operation_response

所有作的响应数据

名称 路径 类型 说明
处理的文件内容
 processed_file_content byte

Muhimbi 转换器生成的文件。
基文件名
 base_file_name string

没有扩展名的输入文件的名称。
结果代码
 result_code enum

作结果代码。
结果详细信息
 result_details string

作结果详细信息。