mcpField
N
nutrient-document-processing

nutrient-document-processing

github.com/xu-xiang文档处理2.0k39 次安装34 周前更新
代码仓库

关于 nutrient-document-processing

使用 Nutrient DWS Processor API 处理文档，适用于需要转换、提取或修改文档的开发者。涵盖 OCR、PII 脱敏、水印、数字签名和 PDF 表单填充，并可通过 API 或所述 MCP 服务器集成。

主要功能

  1. 01转换多种文档格式
  2. 02提取文本、表格和键值对
  3. 03对扫描文档执行 OCR
  4. 04按预设或正则脱敏信息
  5. 05添加水印并进行数字签名
  6. 06填充 PDF 表单

适用场景

  1. 01将 DOCX 转为 PDF
  2. 02从 PDF 提取表格数据
  3. 03让扫描文档变为可搜索 PDF
  4. 04共享前移除个人身份信息

MCP 相关

文档介绍可使用 `@nutrient-sdk/dws-mcp-server` 替代 curl，实现原生工具集成。配置示例包含 API 密钥和工作目录。

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/xu-xiang/everything-claude-code-zh --skill nutrient-document-processing

安装后在 Claude Code 中输入/nutrient-document-processing确认已加载。

详细介绍

来自项目 README

Nutrient 文档处理（Nutrient Document Processing）

使用 Nutrient DWS Processor API 处理文档。转换格式、提取文本和表格、对扫描文档进行 OCR 光学字符识别、脱敏个人身份信息（PII）、添加水印、进行数字签名以及填充 PDF 表单。

设置（Setup）

在 nutrient.io 获取免费 API 密钥。

export NUTRIENT_API_KEY="pdf_live_..."

所有请求均以 multipart POST 形式发送至 https://api.nutrient.io/build，并包含一个 instructions JSON 字段。

操作（Operations）

转换文档（Convert Documents）
# DOCX 转 PDF
curl -X POST https://api.nutrient.io/build \
  -H "Authorization: Bearer $NUTRIENT_API_KEY" \
  -F "[email protected]" \
  -F 'instructions={"parts":[{"file":"document.docx"}]}' \
  -o output.pdf

# PDF 转 DOCX
curl -X POST https://api.nutrient.io/build \
  -H "Authorization: Bearer $NUTRIENT_API_KEY" \
  -F "[email protected]" \
  -F 'instructions={"parts":[{"file":"document.pdf"}],"output":{"type":"docx"}}' \
  -o output.docx

# HTML 转 PDF
curl -X POST https://api.nutrient.io/build \
  -H "Authorization: Bearer $NUTRIENT_API_KEY" \
  -F "[email protected]" \
  -F 'instructions={"parts":[{"html":"index.html"}]}' \
  -o output.pdf

支持的输入格式：PDF, DOCX, XLSX, PPTX, DOC, XLS, PPT, PPS, PPSX, ODT, RTF, HTML, JPG, PNG, TIFF, HEIC, GIF, WebP, SVG, TGA, EPS。

提取文本和数据（Extract Text and Data）
# 提取纯文本
curl -X POST https://api.nutrient.io/build \
  -H "Authorization: Bearer $NUTRIENT_API_KEY" \
  -F "[email protected]" \
  -F 'instructions={"parts":[{"file":"document.pdf"}],"output":{"type":"text"}}' \
  -o output.txt

# 将表格提取为 Excel
curl -X POST https://api.nutrient.io/build \
  -H "Authorization: Bearer $NUTRIENT_API_KEY" \
  -F "[email protected]" \
  -F 'instructions={"parts":[{"file":"document.pdf"}],"output":{"type":"xlsx"}}' \
  -o tables.xlsx
OCR 扫描文档（OCR Scanned Documents）
# OCR 转为可搜索的 PDF（支持 100 多种语言）
curl -X POST https://api.nutrient.io/build \
  -H "Authorization: Bearer $NUTRIENT_API_KEY" \
  -F "[email protected]" \
  -F 'instructions={"parts":[{"file":"scanned.pdf"}],"actions":[{"type":"ocr","language":"english"}]}' \
  -o searchable.pdf

语言：支持 100 多种语言，通过 ISO 639-2 代码指定（例如 eng, deu, fra, spa, jpn, kor, chi_sim, chi_tra, ara, hin, rus）。也可以使用完整的语言名称，如 english 或 german。请参阅完整的 OCR 语言对照表以获取所有支持的代码。

脱敏敏感信息（Redact Sensitive Information）
# 基于模式（SSN, 电子邮件）
curl -X POST https://api.nutrient.io/build \
  -H "Authorization: Bearer $NUTRIENT_API_KEY" \
  -F "[email protected]" \
  -F 'instructions={"parts":[{"file":"document.pdf"}],"actions":[{"type":"redaction","strategy":"preset","strategyOptions":{"preset":"social-security-number"}},{"type":"redaction","strategy":"preset","strategyOptions":{"preset":"email-address"}}]}' \
  -o redacted.pdf

# 基于正则表达式
curl -X POST https://api.nutrient.io/build \
  -H "Authorization: Bearer $NUTRIENT_API_KEY" \
  -F "[email protected]" \
  -F 'instructions={"parts":[{"file":"document.pdf"}],"actions":[{"type":"redaction","strategy":"regex","strategyOptions":{"regex":"\\b[A-Z]{2}\\d{6}\\b"}}]}' \
  -o redacted.pdf

预设（Presets）：social-security-number, email-address, credit-card-number, international-phone-number, north-american-phone-number, date, time, url, ipv4, ipv6, mac-address, us-zip-code, vin。

添加水印（Add Watermarks）
curl -X POST https://api.nutrient.io/build \
  -H "Authorization: Bearer $NUTRIENT_API_KEY" \
  -F "[email protected]" \
  -F 'instructions={"parts":[{"file":"document.pdf"}],"actions":[{"type":"watermark","text":"CONFIDENTIAL","fontSize":72,"opacity":0.3,"rotation":-45}]}' \
  -o watermarked.pdf
数字签名（Digital Signatures）
# 自签名 CMS 签名
curl -X POST https://api.nutrient.io/build \
  -H "Authorization: Bearer $NUTRIENT_API_KEY" \
  -F "[email protected]" \
  -F 'instructions={"parts":[{"file":"document.pdf"}],"actions":[{"type":"sign","signatureType":"cms"}]}' \
  -o signed.pdf
填充 PDF 表单（Fill PDF Forms）
curl -X POST https://api.nutrient.io/build \
  -H "Authorization: Bearer $NUTRIENT_API_KEY" \
  -F "[email protected]" \
  -F 'instructions={"parts":[{"file":"form.pdf"}],"actions":[{"type":"fillForm","formFields":{"name":"Jane Smith","email":"[email protected]","date":"2026-02-06"}}]}' \
  -o filled.pdf

MCP 服务器（替代方案）

对于原生工具集成，可以使用 MCP 服务器代替 curl：

{
  "mcpServers": {
    "nutrient-dws": {
      "command": "npx",
      "args": ["-y", "@nutrient-sdk/dws-mcp-server"],
      "env": {
        "NUTRIENT_DWS_API_KEY": "YOUR_API_KEY",
        "SANDBOX_PATH": "/path/to/working/directory"
      }
    }
  }
}

何时使用

  • 在不同格式之间转换文档（PDF, DOCX, XLSX, PPTX, HTML, 图像）
  • 从 PDF 中提取文本、表格或键值对
  • 对扫描文档或图像进行 OCR
  • 在共享文档前脱敏个人身份信息（PII）
  • 为草案或机密文档添加水印
  • 为合同或协议进行数字签名
  • 以编程方式填充 PDF 表单

链接（Links）

评论

支持 Markdown