Leer ficheros

POST /v1/extract
{ "file": { "url": "https://ejemplo.com/contrato.pdf" } }

{
  "object": "extraction",
  "id": "doc_01JAB3…",
  "format": "pdf",
  "markdown": "<!-- página 1 -->\n\nCONTRATO DE ARRENDAMIENTO…",
  "chars": 18342,
  "truncated": false,
  "pages": 7
}

• Formatos: Word, PowerPoint, Excel, PDF (también .doc, .ppt y .xls), imágenes (PNG, JPG, GIF, WebP), TXT, Markdown y HTML (de un HTML se lee el texto, sin el código ni el CSS).
• Se conserva la estructura: títulos, listas y tablas en Word (con control de cambios, el texto con los cambios aceptados); una sección por diapositiva (con sus notas) en PowerPoint y una tabla por hoja en Excel; en PDF, títulos, tablas y columnas en su orden, con marcas de página.
• PDF escaneados e imágenes: se leen con OCR, también sus tablas. Hasta 100 páginas escaneadas por PDF; las siguientes salen marcadas como «sin leer». Un PDF largo y escaneado puede tardar unos minutos: pasados 120 s recibes 202 con { "id", "status" } y lo recoges con GET /extract/{id} (también 202 mientras sigue leyendo).
• Hasta 2 000 000 de caracteres; si es más largo, truncated: true. Un PDF puede tener hasta 1 000 páginas.
• Es una lectura, no un documento: no sale en la lista de documentos, no lanza webhooks y no tiene retención. Doconda no guarda nada una vez te ha dado el texto; si no lo recoges, lo borra a los 15 minutos. El fichero que envías por URL, base64 o multipart también se borra a los 15 minutos.
• Precio: gratis hasta 1.000 páginas al mes por organización; después 0,01 € cada 5 páginas (precios). Cuenta en el límite de 120 documentos por minuto.

​

Cuatro formas de pasar un fichero