合合 PDF分析 API 文档
TextIn xParse智能文档解析可以从PDF文档中提取结构化数据，文档解析可以识别文本、图像、表格、公式、手写体、表单字段、页眉页脚等各种元素，同时包含精确的页面元素和坐标信息。文档抽取可以根据定义的规则提取特定的数据信息，支持根据prompt（自然语言）和自定义字段模式（JSON Schema）提取，欢迎体验。
📍 请求地址
https://www.dmxapi.cn/v1/responses🎯 模型名称
hehe-tywd
💻 PDF分析 Python 调用示例
python
import requests
import json
import base64
# ============================================================================
# 配置部分 - API 连接信息
# ============================================================================
# DMXAPI 的 URL 地址
url = "https://www.dmxapi.cn/v1/responses"
# API 密钥 - 用于身份验证和访问控制
api_key = "sk-****************************************" # ⚠️ 请替换为你的API密钥
# ============================================================================
# 文件输入配置 - 二选一（不使用的设为空字符串）
# ============================================================================
# 要处理的文件路径或 URL
FILE_PATH = "1.pdf" # 本地文件路径（优先使用，会转为 base64）
# FILE_URL = "https://example.com/document.pdf" # 或使用在线文件 URL
# ============================================================================
# 辅助函数
# ============================================================================
def get_input_content() -> str:
"""根据配置获取 input 内容：本地文件转 base64，URL 直接返回"""
if FILE_PATH:
with open(FILE_PATH, "rb") as f:
return base64.b64encode(f.read()).decode("utf-8")
elif FILE_URL:
return FILE_URL
else:
raise ValueError("请设置 FILE_PATH 或 FILE_URL")
# ============================================================================
# 请求头配置 - 设置内容类型和授权信息
# ============================================================================
headers = {
"Content-Type": "application/json", # 指定请求体为 JSON 格式
"Authorization": f"{api_key}", # token 认证方式
}
# ============================================================================
# 请求参数配置 - AI 模型与输入内容
# ============================================================================
data = {
"model": "hehe-tywd",
"input": get_input_content(),
# PDF 相关参数
"pdf_pwd": "", # PDF 密码 (如果 PDF 加密)
"page_start": 0, # 起始页码 (从 0 开始)
"page_count": 1000, # 解析页数 (最大 1000 页)
# 解析模式参数
"parse_mode": "scan", # 解析模式: auto(综合模式) / scan(纯图片OCR模式)
"dpi": 144, # PDF 转图片 DPI: 72 / 144 / 216
# 输出格式参数
"apply_document_tree": 1, # 生成标题层级: 0(不生成) / 1(生成)
"table_flavor": "html", # 表格格式: md / html / none(不识别表格)
"get_image": "none", # 获取图片: none / page(整页) / objects(子图) / both
"image_output_type": "default", # 图片输出: default(URL/ID) / base64str
"paratext_mode": "annotation", # 非正文模式: none / annotation(注释) / body(正文)
# 识别功能参数
"formula_level": 0, # 公式识别: 0(全识别) / 1(仅行间) / 2(不识别)
"underline_level": 0, # 下划线识别: 0(不识别) / 1(无文字下划线) / 2(全部)
"apply_merge": 1, # 段落/表格合并: 0(不合并) / 1(合并)
"apply_image_analysis": 0, # 大模型图像分析: 0(关闭) / 1(开启)
"apply_chart": 0, # 图表识别: 0(关闭) / 1(开启)
# 图像处理参数
"crop_dewarp": 0, # 切边矫正: 0(关闭) / 1(开启)
"remove_watermark": 0, # 去水印: 0(关闭) / 1(开启)
# 返回结果控制参数
"markdown_details": 1, # 返回 detail 字段: 0(不返回) / 1(返回)
"page_details": 1, # 返回 pages 字段: 0(不返回) / 1(返回)
"raw_ocr": 0, # 返回原始 OCR 结果: 0(不返回) / 1(返回)
"char_details": 0, # 返回字符位置信息: 0(不返回) / 1(返回)
"catalog_details": 0, # 返回目录信息: 0(不返回) / 1(返回)
"get_excel": 0, # 返回 Excel base64: 0(不返回) / 1(返回)
}
# ============================================================================
# 发送请求并处理非流式响应
# ============================================================================
# 发送 POST 请求到 API 服务器
response = requests.post(url, headers=headers, json=data)
# 处理非流式响应 - 格式化打印原始 JSON 数据
try:
response_data = response.json()
# 格式化打印: indent=2 使用2个空格缩进, ensure_ascii=False 保留中文字符
print(json.dumps(response_data, indent=2, ensure_ascii=False))
except KeyboardInterrupt:
print("\n\n⚠️ 用户中断了请求")
except json.JSONDecodeError as e:
print(f"❌ JSON 解析错误: {e}")
print(f"原始响应内容: {response.text}")
except Exception as e:
print(f"❌ 发生错误: {e}")📤 返回示例
json
{
"code": 200,
"duration": 337,
"file_type": "PDF",
"image_process": [],
"message": "Success",
"metrics": [
{
"angle": 0,
"dpi": 144,
"duration": 302.6069641113281,
"image_id": "",
"page_id": 1,
"page_image_height": 1684,
"page_image_width": 1191,
"status": "Success"
}
],
"msg": "success",
"result": {
"detail": [
{
"content": 0,
"outline_level": -1,
"page_id": 1,
"paragraph_id": 0,
"position": [
178,
149,
225,
149,
225,
170,
178,
170
],
"sub_type": "text",
"tags": [],
"text": "你好",
"type": "paragraph"
}
],
"markdown": "你好\n\n",
"pages": [
{
"angle": 0,
"content": [
{
"angle": 0,
"id": 0,
"pos": [
178,
146,
225,
146,
225,
173,
178,
173
],
"score": 0.9990000128746033,
"text": "你好",
"type": "line"
}
],
"durations": 284.8104248046875,
"height": 1684,
"image_id": "",
"page_id": 1,
"status": "Success",
"structured": [
{
"content": [
0
],
"id": 0,
"outline_level": -1,
"pos": [
178,
149,
225,
149,
225,
170,
178,
170
],
"sub_type": "text",
"text": "你好",
"type": "textblock"
}
],
"width": 1191
}
],
"success_count": 1,
"total_count": 1,
"total_page_number": 1,
"valid_page_number": 1
},
"usage": {
"input_tokens": 0,
"input_tokens_details": {
"cached_tokens": 0
},
"output_tokens": 1000,
"output_tokens_details": {
"reasoning_tokens": 0
},
"total_tokens": 1000
},
"version": "3.20.42",
"x_request_id": "e1a07935d93440264e79dbbf1093d3ff"
}📚 合合官方网站
https://docs.textin.com/xparse/overview© 2025 DMXAPI PDF分析