PDF Table Extractor

API

Usa il tool dai tuoi script: carica un PDF, ricevi il risultato JSON e convertilo in CSV o Excel. L'estrazione è sincrona: la risposta arriva al termine dell'elaborazione. Il servizio non richiede una chiave API; eventuali controlli di accesso dipendono dal deployment.

Negli esempi imposta API_BASE_URL con l'indirizzo del servizio. In locale, la porta predefinita è 3000.

API_BASE_URL='http://localhost:3000'

1. Estrai un PDF

POST /api/extract — invia un corpo multipart/form-data con:

• pdf (obbligatorio): un file PDF con testo nativo. I PDF scansionati senza testo non sono supportati.
• mode (facoltativo): auto, computo, elenco_prezzi o generic_table. Se omesso o non riconosciuto, viene usato auto.

curl --fail-with-body "$API_BASE_URL/api/extract" \
  -F 'pdf=@documento.pdf;type=application/pdf' \
  -F 'mode=auto' \
  -o risultato.json

La risposta 200 application/json contiene filename, pages, modeRequested, type, label, records e warnings. Per computi ed elenchi prezzi, columns associa le chiavi alle intestazioni. Le tabelle generiche includono tables con page e rows, e record con tabella, pagina, riga e cells.

Esempio ridotto di risposta per un computo (i campi disponibili dipendono dal tipo di documento):

{
  "filename": "documento.pdf",
  "pages": 1,
  "modeRequested": "auto",
  "type": "computo",
  "label": "Computo metrico",
  "columns": [["descrizione", "Descrizione"], ["controllo", "Check"]],
  "records": [{"descrizione": "Voce senza importo", "controllo": "INCOMPLETO"}],
  "totaleEstratto": 0,
  "warnings": ["1 voci incomplete: verificare il documento."]
}

Nei computi, controllo può essere OK, VERIFICARE o INCOMPLETO. Gli avvisi in warnings segnalano risultati da controllare anche quando la richiesta riesce.

2. Esporta il risultato

Invia l'intera risposta dell'estrazione come application/json. Gli endpoint restituiscono direttamente il file: CSV UTF-8 con BOM e separatore ;, oppure Excel .xlsx.

curl --fail-with-body "$API_BASE_URL/api/export/csv" \
  -H 'Content-Type: application/json' \
  --data-binary @risultato.json \
  -o estrazione.csv

curl --fail-with-body "$API_BASE_URL/api/export/xlsx" \
  -H 'Content-Type: application/json' \
  --data-binary @risultato.json \
  -o estrazione.xlsx

Esempio JavaScript (browser)

Questo esempio usa il file selezionato nella pagina e l'API sullo stesso dominio. FormData imposta automaticamente il Content-Type con il boundary necessario.

async function estraiPdf(file) {
  if (!file) throw new Error('Seleziona un PDF.');
  const form = new FormData();
  form.append('pdf', file);
  form.append('mode', 'auto');
  const response = await fetch('/api/extract', {
    method: 'POST',
    body: form
  });
  const result = await response.json();
  if (!response.ok) throw new Error(result.error || 'Estrazione fallita');
  return result;
}

try {
  const result = await estraiPdf(document.getElementById('file').files[0]);
  const incompleti = (result.records || []).filter(r => r.controllo === 'INCOMPLETO');
  console.log(result, incompleti);
} catch (error) {
  console.error(error.message);
}

Limiti ed errori

Il limite predefinito del PDF è 50 MB (configurabile con MAX_UPLOAD_MB); il limite del corpo JSON per gli export è 30 MB (configurabile con JSON_BODY_LIMIT_MB). Gli errori applicativi restituiscono JSON con error e code, ad esempio {"error":"Carica un PDF.","code":"invalid_input"}.

Stato del servizio

GET /healthz restituisce stato, servizio, ambiente, versione e data. GET /readyz restituisce stato, limite upload attivo (maxUploadMb), versione e data.

curl --fail-with-body "$API_BASE_URL/healthz"
curl --fail-with-body "$API_BASE_URL/readyz"