Trích xuất văn bản từ PDF online
Lấy lớp chữ của file PDF theo từng trang (giữ đúng tiếng Việt Unicode), kèm thông tin tài liệu, số từ và cảnh báo khi file là bản scan.
Kết quả
Bấm “Chạy” để xem kết quả.
API trích văn bản đọc lớp chữ của file PDF bằng bộ máy PDF.js và trả về theo từng trang (pages: [{ page, text }]) hoặc gộp thành một chuỗi với merge=true. Văn bản tiếng Việt từ Word, LibreOffice, phần mềm hoá đơn hay các API PDF của chúng tôi được trả về đúng Unicode. Dùng pages=2-4 để chỉ lấy một số trang.
Kết quả còn có thông tin tài liệu (tiêu đề, tác giả, phần mềm tạo), tổng số trang, số ký tự và số từ. Khi có trang hoàn toàn không có chữ, trường note cảnh báo file có vẻ là bản scan: PDF loại này chỉ chứa hình ảnh, cần OCR, mà API này không thực hiện.
Mặc định đọc tối đa 500 trang mỗi lần gọi (max_pages, tối đa 2.000), trong giới hạn dung lượng tệp của gói. PDF có mật khẩu bị từ chối. Bố cục (cột, bảng) được trải phẳng thành các dòng chữ.
Dùng trong code của bạn
curl -X POST "https://apibox.io.vn/v1/pdf-text" \
-H "Authorization: Bearer YOUR_API_KEY" \
-F "0=@./my-file"const form = new FormData();
form.append('0', fileInput.files[0]);
const res = await fetch('https://apibox.io.vn/v1/pdf-text', {
method: 'POST',
headers: { Authorization: 'Bearer YOUR_API_KEY' },
body: form,
});
console.log(await res.json());import requests
res = requests.post(
"https://apibox.io.vn/v1/pdf-text",
headers={"Authorization": "Bearer YOUR_API_KEY"},
files={"0": open("my-file", "rb")},
timeout=30,
)
print(res.json())<?php
$ch = curl_init('https://apibox.io.vn/v1/pdf-text');
curl_setopt_array($ch, [
CURLOPT_RETURNTRANSFER => true,
CURLOPT_CUSTOMREQUEST => 'POST',
CURLOPT_HTTPHEADER => ['Authorization: Bearer YOUR_API_KEY'],
CURLOPT_POSTFIELDS => ['0' => new CURLFile('my-file')],
]);
$response = curl_exec($ch);
print_r(json_decode($response, true));Tài liệu API → Nhận API key miễn phí
Hỏi đáp
Có đọc được tài liệu scan không?
Không. PDF scan chỉ chứa hình ảnh; API nhận ra và báo trong note. Loại file này cần OCR.
Bố cục bảng có được giữ không?
Không, chữ được trả về từng dòng theo thứ tự đọc. Bảng thành các dòng chứa giá trị của ô.
Giới hạn số trang là bao nhiêu?
Mặc định 500 trang, tối đa 2.000 với max_pages, và theo dung lượng tệp của gói.