ForHosting KIT · Documenti e PDF

Estragga il testo dalle pagine PDF e lo unisca in ordine

Due testi di pagina, un rapporto trimestrale e il suo allegato, diventano un solo documento con il separatore --- PAGE BREAK --- tra i due, nell'ordine fornito e senza riscrivere nulla. Utile dopo un lettore di testo o un OCR. Gratis nel suo browser.

Gratis
Funziona nel suo browser
Senza registrazione
I suoi dati restano sul dispositivo

Esegui gratis nel browser Vedi l'API

Usalo da WebAPIEmailTelegramApp presto

Trasformi blocchi di testo separati per pagina in un’unica stringa prevedibile senza perdere i confini del documento. Fornisca nell’ordine il testo già estratto da ogni pagina e la capacità inserirà un marcatore chiaro tra i blocchi. Non esegue OCR e non scarica né analizza file PDF. Completa invece i flussi che producono già un blocco per pagina e richiedono un risultato stabile, ricercabile o esportabile.

Prepari i blocchi nell’ordine corretto

Invii un array pages con almeno un oggetto e inserisca il testo estratto da ogni pagina PDF nel relativo campo text. La posizione nell’array stabilisce l’ordine: il primo record è la prima pagina, il secondo è la seconda e così via. La capacità non riordina, non deduce numeri di pagina e non esamina il PDF, perché potrebbe modificare silenziosamente la sequenza già fissata dall’estrattore precedente.

Ogni valore text può includere titoli, paragrafi, righe vuote, caratteri Unicode o una stringa vuota quando una pagina reale non contiene testo estraibile. La pagina vuota è accettata e la sua posizione rimane visibile tramite i marcatori circostanti. Ogni elemento deve comunque essere un oggetto con un campo text di tipo stringa; valori mancanti, numeri, array annidati e altre forme vengono rifiutati.

Questo formato rigoroso evita conversioni accidentali. Per ogni richiesta sono ammessi al massimo 10000 blocchi.

Comprenda il risultato unito

Il campo text contiene le stringhe originali esattamente nell’ordine ricevuto. Tra ogni coppia adiacente, l’algoritmo inserisce due ritorni a capo, il marcatore --- PAGE BREAK --- e altri due ritorni. A parte l’inserimento dei separatori, l’algoritmo non taglia, normalizza, ridispone, interpreta o riscrive il contenuto.

Spazi iniziali, ritorni finali, righe vuote ripetute, punteggiatura e scritture non latine restano invariati. È una scelta intenzionale: l’assemblaggio deve preservare il materiale estratto. Se in seguito desidera testo ripulito, applichi una normalizzazione separata ed esplicita.

Per dividere nuovamente il risultato, utilizzi il marcatore restituito con i ritorni a capo.

Lo inserisca in un flusso PDF

Usi questa capacità dopo che un lettore del livello testuale, un sistema OCR, un analizzatore di documenti o un flusso di caricamento ha prodotto un blocco per pagina. È utile quando il sistema seguente richiede un’unica stringa, ma revisori, ricerca o citazioni necessitano ancora di confini visibili. Un indice può unire le pagine conservando i punti in cui cambia il contesto.

Un archivio può memorizzare una rappresentazione testuale stabile accanto al documento sorgente. Un processo linguistico può ricevere il testo completo senza imparare a percorrere array. Lo stesso input produce sempre lo stesso output.

La qualità dipende dall’estrazione precedente; colonne disordinate, glifi mancanti o pagine composte da immagini devono essere corretti a monte.

Casi d'uso

Preparare il testo per la ricerca

Unisca i risultati delle pagine in una stringa indicizzabile mantenendo confini espliciti per la verifica.

Assemblare i risultati OCR

Riunisca pagine riconosciute separatamente affinché riassunto o classificazione ricevano un documento ordinato.

Creare un testo di archivio

Conservi una rappresentazione testuale deterministica accanto al PDF, mantenendo visibili i passaggi di pagina.

Domande frequenti

Questa capacità legge un file PDF?

No. Riceve blocchi già estratti da singole pagine ed esegue soltanto il loro assemblaggio ordinato.

Una pagina può contenere una stringa vuota?

Sì. Rappresenta una pagina priva di testo estratto e ne conserva la posizione originale tra i confini.

Che cosa separa una pagina dalla successiva nel risultato?

Due a capo, il separatore --- PAGE BREAK --- e altri due a capo. Nulla viene aggiunto prima della prima pagina né dopo l'ultima, quindi il testo inizia e finisce esattamente come lo ha fornito.

Ripulisce gli spazi o gli a capo del mio testo?

No. Spazi iniziali, a capo finali, righe vuote ripetute, punteggiatura e scritture non latine restano come sono. Se desidera un testo pulito, applichi poi una normalizzazione separata ed esplicita.

Posso dividere di nuovo il testo unito in pagine?

Sì: divida in corrispondenza del separatore insieme agli a capo che lo circondano. Tenga presente che lo stesso testo letterale potrebbe già comparire dentro una pagina, quindi conviene verificarlo prima.

Strumenti correlati

Per sviluppatori — accesso via API

Tutto quello che vedi in questa pagina è disponibile anche via API. Questa sezione è per i team che vogliono integrarlo nei propri sistemi; chi non ne ha bisogno può semplicemente usare lo strumento qui sopra.

Endpoint

POSThttps://api.kit.forhosting.com/pdf/extract-text

Autenticazione con Bearer token: un POST mette in coda l'attività e il risultato arriva via webhook o link firmato.

Chiamala dal tuo stack

curl -X POST https://api.kit.forhosting.com/pdf/extract-text \
  -H "Authorization: Bearer $KIT_KEY" \
  -H "Content-Type: application/json" \
  -d '{"pages":[{"text":"Quarterly report\nRevenue increased by 12%."},{"text":"Appendix\nFigures are unaudited."}]}'

const res = await fetch("https://api.kit.forhosting.com/pdf/extract-text", {
  method: "POST",
  headers: {
    "Authorization": `Bearer ${process.env.KIT_KEY}`,
    "Content-Type": "application/json"
  },
  body: JSON.stringify({
    "pages": [
      {
        "text": "Quarterly report\nRevenue increased by 12%."
      },
      {
        "text": "Appendix\nFigures are unaudited."
      }
    ]
  })
});
const { task_id } = await res.json();

import os, requests

res = requests.post(
    "https://api.kit.forhosting.com/pdf/extract-text",
    headers={"Authorization": f"Bearer {os.environ['KIT_KEY']}"},
    json={
    "pages": [
        {
            "text": "Quarterly report\nRevenue increased by 12%."
        },
        {
            "text": "Appendix\nFigures are unaudited."
        }
    ]
},
)
task_id = res.json()["task_id"]

<?php
$res = file_get_contents("https://api.kit.forhosting.com/pdf/extract-text", false, stream_context_create([
  "http" => [
    "method"  => "POST",
    "header"  => "Authorization: Bearer " . getenv("KIT_KEY") . "\r\nContent-Type: application/json",
    "content" => '{"pages":[{"text":"Quarterly report\\nRevenue increased by 12%."},{"text":"Appendix\\nFigures are unaudited."}]}',
  ],
]));
$task = json_decode($res, true);

body := bytes.NewBufferString(`{"pages":[{"text":"Quarterly report\nRevenue increased by 12%."},{"text":"Appendix\nFigures are unaudited."}]}`)
req, _ := http.NewRequest("POST", "https://api.kit.forhosting.com/pdf/extract-text", body)
req.Header.Set("Authorization", "Bearer "+os.Getenv("KIT_KEY"))
req.Header.Set("Content-Type", "application/json")
res, _ := http.DefaultClient.Do(req)

Esempio di richiesta

{
  "pages": [
    {
      "text": "Quarterly report\nRevenue increased by 12%."
    },
    {
      "text": "Appendix\nFigures are unaudited."
    }
  ]
}

Esempio di risposta

{
  "task_id": "tsk_a1b2c3d4e5f6a1b2c3d4e5f6",
  "type": "pdf.extract_text",
  "status": "queued",
  "_links": {
    "result": "/tasks/tsk_…/result"
  }
}

L'API è asincrona: ricevi subito un task_id e puoi fare polling fino a 1 richiesta al secondo.

Prezzi

per richiesta$0.002

Prezzo pubblicato, senza token né crediti. Se l'attività fallisce, non paghi.

Limiti

`max_mb`	25
`max_pages`	200

Errori

HTTP	Codice	Significato
`401`	`unauthorized`	Chiave API mancante o non valida: controlla l'header Authorization.
`402`	`insufficient_balance`	Credito esaurito: ricarica per continuare a eseguire attività.
`404`	`unknown_type`	Tipo di attività sconosciuto: controlla il campo type della richiesta.
`429`	`rate_limited`	Troppe richieste in poco tempo: rallenta e riprova tra qualche secondo.

Note tecniche

Comprenda il risultato unito

La risposta restituisce text, pages e page_break_marker. Non aggiunge alcun marcatore prima della prima pagina o dopo l’ultima. pages indica quanti blocchi sono stati uniti, mentre page_break_marker rende riconoscibile il delimitatore al codice successivo.

Lo inserisca in un flusso PDF

L’elaborazione è deterministica e locale al JSON fornito: non usa rete, casualità, ora corrente, OCR o decodifica PDF. Le richieste automatizzate costano $0.002.

Domande tecniche

Quale marcatore separa le pagine?

Inserisce --- PAGE BREAK --- circondato da due ritorni a capo per lato e lo restituisce in page_break_marker.

Che cosa accade se non invio pagine?

La richiesta fallisce con invalid_input perché è obbligatorio almeno un blocco di pagina.

Quanto costa una richiesta?

Le richieste automatizzate usano il prezzo base pubblicato di $0.002, senza supplementi per pagina.

Leggi la documentazione completa del KIT →

Esegui gratis nel browser

Prepari i blocchi nell’ordine corretto

Comprenda il risultato unito

Lo inserisca in un flusso PDF

Casi d'uso

Preparare il testo per la ricerca

Assemblare i risultati OCR

Creare un testo di archivio

Domande frequenti

Strumenti correlati

Per sviluppatori — accesso via API

Endpoint

Chiamala dal tuo stack

Esempio di richiesta

Esempio di risposta

Prezzi

Limiti

Errori

Note tecniche

Comprenda il risultato unito

Lo inserisca in un flusso PDF

Domande tecniche

grazie