Nanonets 出品的文档提取 API，支持 PDF/图片 OCR 转 Markdown、JSON 或 CSV，带置信度评分，适合发票、收据自动化处理。
说明：
## 核心用法
DocStrange 是 Nanonets 提供的文档提取 API，专注于将 PDF 和图片转换为结构化数据。支持三种输出格式：Markdown（保留文档结构）、JSON（字段级提取）和 CSV（表格数据）。API 采用 REST 设计，提供同步（≤5页）和异步（大文档）两种调用模式。
**主要功能：**
– **OCR 文字识别**：处理扫描件、图片中的文字
– **智能字段提取**：通过字段列表或 JSON Schema 精确提取发票号、金额、日期等
– **表格识别**：将表格转换为 CSV 或结构化 JSON
– **置信度评分**：每个字段 0-100 分，便于人工复核低置信度结果
– **布局分析**：可选返回边界框坐标，支持版面还原
**调用示例：**
“`bash
curl -X POST “https://extraction-api.nanonets.com/api/v1/extract/sync” \
-H “Authorization: Bearer $DOCSTRANGE_API_KEY” \
-F “file=@invoice.pdf” \
-F “output_format=json” \
-F ‘json_options=[“invoice_number”, “total_amount”]’
“`
## 显著优点
1. **多格式输出灵活**：同一接口支持 Markdown、JSON、CSV，适配不同下游场景
2. **Schema 驱动提取**：支持 JSON Schema 约束，确保返回数据类型严格可控
3. **置信度透明化**：每个字段独立评分，便于构建自动化+人工复核的混合工作流
4. **异步处理大文档**：>5页文档自动切换异步模式，避免超时
5. **自定义指令**：可通过 prompt 引导提取重点，如”仅关注财务数据”
## 潜在局限
– **外部服务依赖**：文档需上传至 Nanonets 服务器处理，存在数据出境风险
– **无本地部署选项**：无法在内网或离线环境使用
– **格式支持边界**：明确不支持视频/音频转录，非文档类图片效果未保证
– **同步限制**：5页以上强制异步，实时性场景需设计轮询逻辑
– **成本不透明**：文档未提及定价模式，实际使用需关注用量计费
## 适合人群
– **财务/会计团队**：批量处理发票、收据、银行对账单
– **法务合规**：合同关键条款提取与归档
– **数据录入外包替代**：替代人工表单录入，降低运营成本
– **开发者构建 RPA**：需要结构化文档数据的自动化流程
## 常规风险
| 风险类型 | 说明 | 缓解建议 |
|———|——|———|
| **数据隐私** | 敏感文档上传至第三方服务器 | 正式使用前审查隐私政策；避免上传 SSN、医疗记录等高敏感数据；先用非敏感样本测试 |
| **API 密钥泄露** | 密钥硬编码或误提交至仓库 | 强制使用环境变量；配置文件设 600 权限；定期轮换密钥（90天周期） |
| **服务可用性** | 依赖 Nanonets 基础设施 | 设计降级方案；监控 API 状态；关键流程保留人工兜底 |
| **提取准确性** | 低置信度字段可能错误 | 设置阈值（如 **建议首次使用前：** 完整阅读 https://docstrange.nanonets.com/docs 中的隐私政策与数据留存条款，确认数据删除机制符合贵司安全要求。
会员专属
