提交解析请求接口
面向企业办公与知识库场景的结构化文档解析服务：支持 PDF、Word、Excel、图片等 18 种主流格式，自动完成版面分析、表格还原、标题层级与阅读顺序识别，并可输出 Markdown 等结构化结果，识别准确率可达 90% 以上；同时具备角度矫正、水印擦除等工程能力，支持 20 余种语种。
权限说明
调用本文API，需使用API Key鉴权方式。使用API Key鉴权调用API流程，具体调用流程，请查看认证鉴权
请求参数
API Key 鉴权，示例值：Bearer {API-Key}
application/x-www-form-urlencoded
和file_url二选一，文件的base64编码数据： -版式文档：pdf、jpg、jpeg、png、bmp、tif、tiff、ofd、ppt、pptx -流式文档：doc、docx、txt、xls、xlsx、wps、html、mhtml 文档大小不超过50M，其中PDF文档最大支持2000页 若文档大小超过50M，须从file_url方式上传。 优先级： file_data > file_url，当file_data字段存在时，file_url字段失效
和file_data二选一，文件数据URL，URL长度不超过1024字节，支持单个URL传入。 PDF文档大小不超过300M，非PDF文档大小不超过50M，其中PDF文档最大支持2000页 优先级： file_data > file_url，当file_data字段存在时，file_url字段失效 请注意关闭URL防盗链
文件名，请保证文件名后缀正确，例如 申请书.pdf
是否对版式类型文档进行公式识别
是否对统计图表进行解析
是否对图片进行矫正
是否返回文档中的图片位置信息
识别语种类型，默认为CHN_ENG，可选值：CHN_ENG（中英文）、JAP（日语）、KOR（韩语）、FRE（法语）、SPA（西班牙语）、POR（葡萄牙语）、GER（德语）、ITA（意大利语）、RUS（俄语）、DAN（丹麦语）、DUT（荷兰语）、MAL（马来语）、SWE（瑞典语）、IND（印尼语）、POL（波兰语）、ROM（罗马尼亚语）、TUR（土耳其语）、GRE（希腊语）、HUN（匈牙利语）、THA（泰语）、VIE（越南语）、ARA（阿拉伯语）、HIN（印地语）
是否对数字进行全半角转换，默认为auto。可选值：auto（不转换，按模型识别结果输出）、half（将所有符号转换为半角输出）、full（将所有符号转换为全角输出）
是否将识别出的表格转换为HTML格式返回，default=True
是否返回文档切分后的片段数据（如按语义、字数、标点）。可按下方说明进行传参
显示子属性
隐藏子属性
是否进行文档内容切分，default=False
切分方式，default=chunk。可选值：chunk（按chunk_size指定字符长度切）、mark（按separators指定标点切）
切分标点列表，split_type=mark时生效，default=['。','；','！','？',';','!','?']
显示子属性
隐藏子属性
单个切分标点符号，例如'。'
切分块的大小。chunk_size=-1时按语义自动切分，不限定块大小；chunk_size>0时按字符长度切
只解析指定页，页码从0开始。格式：4（单页）、0-2（闭区间）、0-2,4,7-9。流式文档不支持
查询成功时额外返回整份PDF的pdf_file_url，default=false
检测印章，输出type=seal的框，default=false
识别章面文字，开启后自动打开detect_seal，default=false
擦除印章。优先级高于章面识别；与recognize_seal同时开时保留检测框、去掉文字。建议不要和章面识别同时开，default=false; 印章参数组合说明： detect_seal=false、recognize_seal=false、erase_seal=false → 不做印章; detect_seal=true、recognize_seal=false、erase_seal=false → 只有检测框; recognize_seal=true、erase_seal=false → 检测 + 章面文字（自动打开检测); erase_seal=true → 擦除章面；若同时识别，框还在、文字去掉
去水印仅用于识别前增强，返回的页面图/PDF不会去掉水印，default=false
图片占页面面积低于该阈值则丢弃，不写入images，default=0.1
将Word转成PDF再按版式解析，转完后可以使用page_filter，default=false
繁体转简体，default=false
POST /rest/2.0/brain/online/v2/parser/task HTTP/1.1
Host: aip.baidubce.com
Authorization: Bearer <API Key>
Content-Type: application/x-www-form-urlencoded
file_name=申请书.pdf&file_url=https%3A%2F%2Fyour-domain.com%2Fpath%2Fto%2F申请书.pdf&detect_seal=true&recognize_seal=true&need_pdffile_data=true示例代码
import base64
import os
import requests
API_KEY = "bce-v3/ALTAK-xxxxxxxx/xxxxxxxxxxxxxxxx"
CREATE_URL = "https://aip.baidubce.com/rest/2.0/brain/online/v2/parser/task"
def create_task(file_path):
with open(file_path, "rb") as f:
file_data = base64.b64encode(f.read()).decode("utf-8")
data = {
"file_data": file_data,
"file_name": os.path.basename(file_path),
"erase_seal": "false",
"erase_watermark": "false",
"traditional2simplified": "false",
"detect_seal": "true",
"recognize_seal": "true",
}
headers = {
"Content-Type": "application/x-www-form-urlencoded",
"Authorization": f"Bearer {API_KEY}",
}
return requests.post(CREATE_URL, headers=headers, data=data, timeout=120)
if __name__ == '__main__':
print(create_task("./test.pdf").json())返回响应
唯一的log id，用于问题定位
错误码
错误描述信息
返回的结果列表
显示子属性
隐藏子属性
该请求生成的task_id，后续使用该task_id获取解析结果
{
"error_code": 0,
"error_msg": "",
"log_id": "10138598131137362685273505665433",
"result": {
"task_id": "task-3zy9Bg8CHt1M4pPOcX2q5bg28j26801S"
}
}错误码
如果调用失败并返回报错信息，请参见以下错误码进行解决： 公共错误码：查看公共错误码 OCR 错误码：查看 OCR 错误码
评价此篇文章