nutrient-document-processing

# Nutrient 文档处理 (Document Processing) 使用 [Nutrient DWS 处理程序 API (Processor API)](https://www.nutrient.io/api/) 处理文档。它可以进行格式转换、文本与表格提取、扫描文档的光学字符识别 (OCR)、个人身份信息 (PII) 脱敏、添加水印、数字签名以及 PDF 表单填充。 ## 设置 (Setup) 请在 **[nutrient.io](https://dashboard.nutrient.io/sign_up/?product=processor)** 获取免费的 API 密钥。 ```bash export NUTRIENT_API_KEY="pdf_live_..." ``` 所有请求都以多部分 POST (multipart POST) 的形式发送到 `https://api.nutrient.io/build`，其中包含 `instructions` JSON 字段。 ## 操作 (Operations) ### 文档转换 ```bash # 从 DOCX 转换为 PDF curl -X POST https://api.nutrient.io/build \ -H "Authorization: Bearer $NUTRIENT_API_KEY" \ -F "document.docx=@document.docx" \ -F 'instructions={"parts":[{"file":"document.docx"}]}' \ -o output.pdf # 从 PDF 转换为 DOCX curl -X POST https://api.nutrient.io/build \ -H "Authorization: Bearer $NUTRIENT_API_KEY" \ -F "document.pdf=@document.pdf" \ -F 'instructions={"parts":[{"file":"document.pdf"}],"output":{"type":"docx"}}' \ -o output.docx # 从 HTML 转换为 PDF curl -X POST https://api.nutrient.io/build \ -H "Authorization: Bearer $NUTRIENT_API_KEY" \ -F "index.html=@index.html" \ -F 'instructions={"parts":[{"html":"index.html"}]}' \ -o output.pdf ``` 支持的输入格式：PDF、DOCX、XLSX、PPTX、DOC、XLS、PPT、PPS、PPSX、ODT、RTF、HTML、JPG、PNG、TIFF、HEIC、GIF、WebP、SVG、TGA、EPS。 ### 文本与数据提取 ```bash # 提取纯文本 curl -X POST https://api.nutrient.io/build \ -H "Authorization: Bearer $NUTRIENT_API_KEY" \ -F "document.pdf=@document.pdf" \ -F 'instructions={"parts":[{"file":"document.pdf"}],"output":{"type":"text"}}' \ -o output.txt # 将表格提取为 Excel curl -X POST https://api.nutrient.io/build \ -H "Authorization: Bearer $NUTRIENT_API_KEY" \ -F "document.pdf=@document.pdf" \ -F 'instructions={"parts":[{"file":"document.pdf"}],"output":{"type":"xlsx"}}' \ -o tables.xlsx ``` ### 扫描文档的 OCR ```bash # 对扫描件进行 OCR 并生成可搜索的 PDF（支持 100 多种语言） curl -X POST https://api.nutrient.io/build \ -H "Authorization: Bearer $NUTRIENT_API_KEY" \ -F "scanned.pdf=@scanned.pdf" \ -F 'instructions={"parts":[{"file":"scanned.pdf"}],"actions":[{"type":"ocr","language":"english"}]}' \ -o searchable.pdf ``` 语言：通过 ISO 639-2 代码支持 100 多种语言（例如：`eng`、`deu`、`fra`、`spa`、`jpn`、`kor`、`chi_sim`、`chi_tra`、`ara`、`hin`、`rus`）。完整语言名称如 `english` 或 `german` 也可使用。有关所有受支持的代码，请参阅 [完整 OCR 语言列表](https://www.nutrient.io/guides/document-engine/ocr/language-support/)。 ### 敏感信息脱敏 (Redaction) ```bash # 基于模式（社会安全号码 SSN、电子邮件） curl -X POST https://api.nutrient.io/build \ -H "Authorization: Bearer $NUTRIENT_API_KEY" \ -F "document.pdf=@document.pdf" \ -F 'instructions={"parts":[{"file":"document.pdf"}],"actions":[{"type":"redaction","strategy":"preset","strategyOptions":{"preset":"social-security-number"}},{"type":"redaction","strategy":"preset","strategyOptions":{"preset":"email-address"}}]}' \ -o redacted.pdf # 基于正则表达式 curl -X POST https://api.nutrient.io/build \ -H "Authorization: Bearer $NUTRIENT_API_KEY" \ -F "document.pdf=@document.pdf" \ -F 'instructions={"parts":[{"file":"document.pdf"}],"actions":[{"type":"redaction","strategy":"regex","strategyOptions":{"regex":"\\b[A-Z]{2}\\d{6}\\b"}}]}' \ -o redacted.pdf ``` 预设 (Presets)：`social-security-number`、`email-address`、`credit-card-number`、`international-phone-number`、`north-american-phone-number`、`date`、`time`、`url`、`ipv4`、`ipv6`、`mac-address`、`us-zip-code`、`vin`。 ### 添加水印 (Watermarking) ```bash curl -X POST https://api.nutrient.io/build \ -H "Authorization: Bearer $NUTRIENT_API_KEY" \ -F "document.pdf=@document.pdf" \ -F 'instructions={"parts":[{"file":"document.pdf"}],"actions":[{"type":"watermark","text":"CONFIDENTIAL","fontSize":72,"opacity":0.3,"rotation":-45}]}' \ -o watermarked.pdf ``` ### 数字签名 (Digital Signatures) ```bash # 自签名 CMS 签名 curl -X POST https://api.nutrient.io/build \ -H "Authorization: Bearer $NUTRIENT_API_KEY" \ -F "document.pdf=@document.pdf" \ -F 'instructions={"parts":[{"file":"document.pdf"}],"actions":[{"type":"sign","signatureType":"cms"}]}' \ -o signed.pdf ``` ### PDF 表单填充 (Form Filling) ```bash curl -X POST https://api.nutrient.io/build \ -H "Authorization: Bearer $NUTRIENT_API_KEY" \ -F "form.pdf=@form.pdf" \ -F 'instructions={"parts":[{"file":"form.pdf"}],"actions":[{"type":"fillForm","formFields":{"name":"Jane Smith","email":"jane@example.com","date":"2026-02-06"}}]}' \ -o filled.pdf ``` ## MCP 服务端 (代替方案) 对于原生工具集成，使用 MCP 服务端 (MCP Server) 代替 curl： ```json { "mcpServers": { "nutrient-dws": { "command": "npx", "args": ["-y", "@nutrient-sdk/dws-mcp-server"], "env": { "NUTRIENT_DWS_API_KEY": "YOUR_API_KEY", "SANDBOX_PATH": "/path/to/working/directory" } } } } ``` ## 使用场景 - 不同格式间的文档转换（PDF、DOCX、XLSX、PPTX、HTML、图像） - 从 PDF 提取文本、表格和键值对 - 对扫描文档或图像进行 OCR - 在共享文档前对 PII 进行脱敏 - 在草案或机密文档中添加水印 - 对合同或协议进行数字签名 - 以编程方式填充 PDF 表单 ## 相关链接 - [API 游乐场 (Playground)](https://dashboard.nutrient.io/processor-api/playground/) - [完整 API 文档](https://www.nutrient.io/guides/dws-processor/) - [npm MCP 服务端](https://www.npmjs.com/package/@nutrient-sdk/dws-mcp-server)