Leer ficheros

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

{
  "object": "extraction",
  "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 y Markdown.
Se conserva la estructura: títulos, listas y tablas en Word (con pandoc; 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 (con markitdown); 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 y sigues el documento con GET /documents/{id}.
Hasta 2 000 000 de caracteres; si es más largo, truncated: true. Un PDF puede tener hasta 1 000 páginas.
Es gratis, dentro del límite de 120 documentos por minuto. Con "store": false no guardamos nada pasados 15 minutos.

Cuatro formas de pasar un fichero

Sirven igual en file y sources de POST /documents, y aquí (en POST /files, las dos últimas):

Cómo	Ejemplo
Un documento que ya hizo Doconda, por su id	`"doc_01JAB3…"` (usamos su Word, PowerPoint o Excel; o su PDF si es lo único que tiene)
Un fichero ya subido	`"file_01JAB3…"`
Una URL pública (http o https)	`{ "url": "https://…/report.docx" }`
Sus bytes en base64	`{ "data": "UEsDBBQ…", "filename": "report.docx" }`

También vale multipart/form-data con un campo file, como en POST /files. Máximo 20 MB. Las URL solo pueden apuntar a direcciones públicas.

Empezar

Operaciones

Conceptos

Cuenta

Cuatro formas de pasar un fichero

​Cuatro formas de pasar un fichero

Cuatro formas de pasar un fichero