nutrient-document-processing

name	nutrient-document-processing
description	使用 Nutrient DWS API 处理、转换、OCR、提取、编辑、签名和填写文档。支持 PDF、DOCX、XLSX、PPTX、HTML 和图像。

Nutrient Document Processing

Nutrient 文档处理

使用 Nutrient DWS Processor API 处理文档。转换格式、提取文本和表格、OCR 扫描文档、脱敏 PII、添加水印、数字签名和填写 PDF 表单。

设置

在 nutrient.io 获取免费 API Key

export NUTRIENT_API_KEY="pdf_live_..."

所有请求都发送到 https://api.nutrient.io/build，作为 multipart POST，带有 instructions JSON 字段。

什么是 multipart POST？ 一种 HTTP 请求格式，可以同时发送文件和 JSON 数据。

操作示例

转换文档

# DOCX 转 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

# PDF 转 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

# HTML 转 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

常见转换：

• DOCX → PDF（生成最终版本）
• PDF → DOCX（编辑现有 PDF）
• HTML → PDF（生成报告）
• 图片 → PDF（扫描件合并）

提取文本和数据

# 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

# 提取表格为 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

使用场景：

• 从发票中提取数据
• 分析报告内容
• 索引 PDF 搜索
• 将表格导入数据库

OCR 扫描文档

# OCR 为可搜索 PDF（支持 100+ 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

语言支持： 100+ 种语言，通过 ISO 639-2 代码（例如 eng、deu、fra、spa、jpn、kor、chi_sim、chi_tra、ara、hin、rus）。完整语言名如 english 或 german 也可以。

常见语言代码：

• eng / english - 英语
• chi_sim / chinese_simplified - 简体中文
• chi_tra / chinese_traditional - 繁体中文
• jpn / japanese - 日语
• kor / korean - 韩语
• deu / german - 德语
• fra / french - 法语
• spa / spanish - 西班牙语

什么是 OCR？ 光学字符识别——将图片中的文字转换为可编辑的文本。

脱敏敏感信息

# 基于模式（SSN、邮箱）
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

预设类型： social-security-number（SSN）、email-address（邮箱）、credit-card-number（信用卡）、international-phone-number（国际电话）、north-american-phone-number（北美电话）、date（日期）、time（时间）、url（链接）、ipv4、ipv6、mac-address、us-zip-code、vin（车辆识别码）

使用场景：

• 发布报告前删除个人数据
• 法律文档中的客户信息
• 医疗记录中的患者信息
• 财务报表中的账户号

添加水印

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

可配置选项：

• text：水印文本
• fontSize：字体大小
• opacity：透明度（0-1）
• rotation：旋转角度

常见水印文本：

• "CONFIDENTIAL"（机密）
• "DRAFT"（草稿）
• "DO NOT COPY"（请勿复制）
• "SAMPLE"（样品）

数字签名

# 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

什么是数字签名？ 加密签名证明：

• 文档未被修改
• 签名者是真实的
• 签名时间是准确的

使用场景：

• 合同签署
• 法律协议
• 财务报告
• 官方文件

填写 PDF 表单

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":"[e-mail]","date":"2026-02-06"}}]}' \
  -o filled.pdf

使用场景：

• 批量生成表单
• 从数据库填写表单
• 自动化文档工作流
• 客户自助服务

MCP 服务器（替代方案）

对于原生工具集成，使用 MCP 服务器：

{
  "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"
      }
    }
  }
}

什么是 MCP 服务器？ Model Context Protocol 服务器——让 Claude Code 直接调用 Nutrient API，无需 curl。

优势：

• 无需手动 curl 命令
• 直接在 Claude Code 中使用
• 自动错误处理
• 文件路径自动解析

何时使用

• 转换格式（PDF、DOCX、XLSX、PPTX、HTML、图像之间）
• 从 PDF 提取文本、表格或键值对
• 扫描文档或图像的 OCR
• 分享文档前脱敏 PII
• 为草稿或机密文档添加水印
• 数字签署合同或协议
• 编程填写 PDF 表单

实际工作流示例

工作流 1：处理扫描发票

# 1. OCR 扫描的发票
curl -X POST https://api.nutrient.io/build \
  -H "Authorization: Bearer $NUTRIENT_API_KEY" \
  -F "invoice.jpg=@invoice.jpg" \
  -F 'instructions={"parts":[{"file":"invoice.jpg"}],"actions":[{"type":"ocr","language":"english"}],"output":{"type":"pdf"}}' \
  -o invoice-searchable.pdf

# 2. 提取文本用于分析
curl -X POST https://api.nutrient.io/build \
  -H "Authorization: Bearer $NUTRIENT_API_KEY" \
  -F "invoice-searchable.pdf=@invoice-searchable.pdf" \
  -F 'instructions={"parts":[{"file":"invoice-searchable.pdf"}],"output":{"type":"text"}}' \
  -o invoice.txt

# 3. 提取表格为 Excel
curl -X POST https://api.nutrient.io/build \
  -H "Authorization: Bearer $NUTRIENT_API_KEY" \
  -F "invoice-searchable.pdf=@invoice-searchable.pdf" \
  -F 'instructions={"parts":[{"file":"invoice-searchable.pdf"}],"output":{"type":"xlsx"}}' \
  -o invoice-tables.xlsx

工作流 2：准备法律文档

# 1. 脱敏敏感信息
curl -X POST https://api.nutrient.io/build \
  -H "Authorization: Bearer $NUTRIENT_API_KEY" \
  -F "contract.pdf=@contract.pdf" \
  -F 'instructions={"parts":[{"file":"contract.pdf"}],"actions":[{"type":"redaction","strategy":"preset","strategyOptions":{"preset":"social-security-number"}},{"type":"redaction","strategy":"preset","strategyOptions":{"preset":"email-address"}}]}' \
  -o contract-redacted.pdf

# 2. 添加水印
curl -X POST https://api.nutrient.io/build \
  -H "Authorization: Bearer $NUTRIENT_API_KEY" \
  -F "contract-redacted.pdf=@contract-redacted.pdf" \
  -F 'instructions={"parts":[{"file":"contract-redacted.pdf"}],"actions":[{"type":"watermark","text":"CONFIDENTIAL - DRAFT","fontSize":48,"opacity":0.2}]}' \
  -o contract-final.pdf

工作流 3：批量表单生成

# 从 JSON 数据批量生成表单
for name in "Alice" "Bob" "Charlie"; do
  curl -X POST https://api.nutrient.io/build \
    -H "Authorization: Bearer $NUTRIENT_API_KEY" \
    -F "form.pdf=@form.pdf" \
    -F "instructions={\"parts\":[{\"file\":\"form.pdf\"}],\"actions\":[{\"type\":\"fillForm\",\"formFields\":{\"name\":\"$name\",\"date\":\"2026-02-16\"}}]}" \
    -o "form-$name.pdf"
done

链接

• API Playground ——交互式测试 API
• 完整 API 文档 ——所有选项和参数
• Agent Skill Repo ——示例代码
• npm MCP Server ——MCP 集成

定价

免费层级：

• 100 个文档/月
• 适用于测试和小型项目

付费层级：

• 从 $49/月起
• 更多文档和高级功能

---

记住：Nutrient DWS API 是一个强大的文档处理工具——几乎所有文档操作都可以通过简单的 API 调用完成。