Extrahieren Sie Text, Markdown, Tabellen und Metadaten aus PDF-, Word-, Excel-, PowerPoint-, EPUB-, HTML- und CSV-Dateien. Gescannte Seiten werden per OCR in 19 Sprachen gelesen, und Dokumente lassen sich in RAG-fertige Chunks für LLM-Pipelines aufteilen.
markdown | Sauberes Markdown mit Überschriften, Listen und Tabellen |
fullText | Gesamtes Dokument als Klartext |
tables | Jede Tabelle als Markdown und Zeilen-Array |
metadata | Metadaten des Dokuments |
pages | Optional Text und Markdown pro Seite |
ragChunks | Optionale Chunks mit Überschriftenpfad |
ocrText | Per OCR gelesener Text gescannter Seiten |
$0.15 pro 1.000 Zeilen
Abrechnung pro Ereignis: Sie zahlen pro verarbeitetem Dokument und pro geparster Seite, dazu pro OCR-Seite, wenn Sie OCR für Scans aktivieren.
Apify schenkt Ihnen jeden Monat 5 $ Guthaben – genug, um diesen Scraper kostenlos zu testen.
Fertige Eingaben. In das Formular des Scrapers kopieren oder per API senden.
Markdown-Ausgabe mit allen Tabellen.
{
"urls": [
"https://raw.githubusercontent.com/lergassy/apify-actor-assets/main/document-text-extractor/sample-report.pdf"
],
"includeMarkdown": true,
"extractTables": true
}Chunks mit 1.200 Zeichen und 120 Überlappung.
{
"urls": [
"https://raw.githubusercontent.com/lergassy/apify-actor-assets/main/document-text-extractor/sample-report.pdf",
"https://raw.githubusercontent.com/lergassy/apify-actor-assets/main/document-text-extractor/sample-contract.docx"
],
"chunkForRag": true,
"chunkSize": 1200,
"chunkOverlap": 120
}Bis zu 20 Seiten ohne Textebene.
{
"urls": [
"https://raw.githubusercontent.com/lergassy/apify-actor-assets/main/document-text-extractor/sample-report.pdf"
],
"ocrScannedPages": true,
"ocrLanguage": "eng",
"ocrMaxPagesPerDocument": 20
}Text pro Seite für die Seiten 1 bis 5.
{
"urls": [
"https://raw.githubusercontent.com/lergassy/apify-actor-assets/main/document-text-extractor/sample-report.pdf"
],
"pageRange": "1-5",
"includePages": true
}PDF, DOCX, XLSX, PPTX, EPUB, HTML, CSV und TXT, per URL, Upload oder base64.
Ja. Aktivieren Sie OCR für gescannte Seiten und wählen Sie eine von 19 Sprachen.
Ja, wenn Sie das Passwort angeben.
Das Tool verarbeitet nur die Dateien, die Sie bereitstellen. Stellen Sie sicher, dass Sie die Dokumente nutzen dürfen und personenbezogene Daten darin rechtskonform (z. B. nach DSGVO) verarbeitet werden.
Über die Apify API, die Python- oder JavaScript-Clients oder Integrationen mit Make, n8n, Zapier und Google Sheets.