快速入门

推荐使用 Python SDK 快速上手。如果您更熟悉直接调用 REST API，可参考下方 REST API 示例。

新版本核心升级

相比旧版文档解析，新版本带来以下核心改进：

更轻量的数据结构

采用标准化的 Element 模型，数据结构更简洁清晰，易于理解和使用。返回的 JSON 体积更小，传输更快。

标准输入输出协议

统一的请求配置（Config）和响应结构（Schema），兼容多种解析引擎，便于集成和迁移。

引擎可替换（即将到来）

支持多种解析引擎（TextIn、MinerU、PaddleOCR），可根据场景选择最优引擎，或对比不同引擎效果。

异步 API 支持

新增异步解析接口，支持大文件和批量处理场景，避免 HTTP 超时。支持 Webhook 回调，无需轮询。

准备工作

1. 获取 API Key

前往 TextIn 工作台 - 账号与开发者信息获取您的 x-ti-app-id 和 x-ti-secret-code。详细步骤请参考 API Key 获取指南。

2. 准备示例文件

您可以使用自己的文档，或下载我们提供的示例文件：文档解析示例.pdf

支持的文件格式：png, jpg, jpeg, pdf, bmp, tiff, webp, doc, docx, html, mhtml, xls, xlsx, csv, ppt, pptx, txt, ofd, rtf文件大小限制：500MB

使用 Python SDK（推荐）

Step 1：安装 SDK

pip install xparse-client

Step 2：配置环境变量

export TEXTIN_APP_ID="your-app-id"
export TEXTIN_SECRET_CODE="your-secret-code"

Step 3：解析文档

from xparse_client import XParseClient, ParseConfig, Capabilities

# 初始化客户端（自动读取环境变量）
client = XParseClient()

# 解析本地文件
with open("document.pdf", "rb") as f:
    result = client.parse.run(
        file=f,
        filename="document.pdf",
        config=ParseConfig(
            capabilities=Capabilities(
                include_table_structure=True,
                title_tree=True,
            ),
        ),
    )

上面的示例使用了简单的配置。你可以通过 ParseConfig 自定义更多能力，如字符详情、行内对象、图片数据等。详见解析配置详解。

Step 4：查看结果

# 输出 Markdown
if result.markdown:
    print(result.markdown)

# 遍历文档元素
for el in result.elements:
    print(f"[{el.type}] {el.text[:80]}")

print(f"共解析 {len(result.elements)} 个元素")

Step 5：保存结果

import json

# 保存为 Markdown 文件
with open("output.md", "w", encoding="utf-8") as f:
    f.write(result.markdown)

# 保存完整 JSON 结果
with open("output.json", "w", encoding="utf-8") as f:
    json.dump(result.model_dump(), f, ensure_ascii=False, indent=2)

完整代码（一键运行）

quickstart.py

"""
用法:
  1. 安装依赖： pip install xparse-client
  2. 设置环境变量 TEXTIN_APP_ID 和 TEXTIN_SECRET_CODE
  3. python quickstart.py <文件路径>
"""

import json
import sys
from pathlib import Path

from xparse_client import XParseClient, ParseConfig, Capabilities


def main():
    # 从命令行参数获取文件路径，默认使用 document.pdf
    file_path = Path(sys.argv[1]) if len(sys.argv) > 1 else Path("document.pdf")
    if not file_path.exists():
        print(f"文件不存在: {file_path}")
        sys.exit(1)

    # Step 1: 初始化客户端（自动读取环境变量 TEXTIN_APP_ID, TEXTIN_SECRET_CODE）
    client = XParseClient()

    # Step 2: 解析文档
    with open(file_path, "rb") as f:
        result = client.parse.run(
            file=f,
            filename=file_path.name,
            config=ParseConfig(
                capabilities=Capabilities(
                    include_table_structure=True,
                    title_tree=True,
                ),
            ),
        )

    # Step 3: 打印解析概览
    print(f"解析完成！共 {len(result.elements)} 个元素，{result.success_count} 页成功")
    print("=" * 60)

    # 输出 Markdown
    if result.markdown:
        print(result.markdown[:2000])
        if len(result.markdown) > 2000:
            print(f"\n... (Markdown 共 {len(result.markdown)} 字符，已截断)")
    print("=" * 60)

    # 遍历文档元素
    for el in result.elements:
        print(f"  [{el.type:20s}] p{el.page_number}: {el.text[:60]}")

    # Step 4: 保存结果
    output_dir = Path("output")
    output_dir.mkdir(exist_ok=True)

    stem = file_path.stem

    md_path = output_dir / f"{stem}.md"
    with open(md_path, "w", encoding="utf-8") as f:
        f.write(result.markdown)
    print(f"\nMarkdown 已保存: {md_path}")

    json_path = output_dir / f"{stem}.json"
    with open(json_path, "w", encoding="utf-8") as f:
        json.dump(result.model_dump(), f, ensure_ascii=False, indent=2)
    print(f"JSON 已保存:     {json_path}")


if __name__ == "__main__":
    main()

更多 SDK 用法请参考 Python SDK 文档。

REST API 示例

如果您不使用 Python SDK，可以直接调用 REST API。

同步解析

import requests
import json

app_id = "your-app-id"
secret_code = "your-secret-code"

with open("document.pdf", "rb") as f:
    response = requests.post(
        "https://api.textin.com/api/v1/xparse/parse/sync",
        headers={
            "x-ti-app-id": app_id,
            "x-ti-secret-code": secret_code,
        },
        files={"file": ("document.pdf", f)},
        data={
            "config": json.dumps({
                "capabilities": {
                    "include_table_structure": True,
                    "title_tree": True
                }
            })
        },
    )

result = response.json()
print(result["data"]["markdown"])

config 参数支持丰富的配置选项，包括层级关系、字符详情、行内对象、图片数据等。完整配置说明请参考解析配置详解。

异步解析（适用于大文件）

对于大文件或需要批量处理的场景，建议使用异步 API：

import requests
import json
import time

app_id = "your-app-id"
secret_code = "your-secret-code"
headers = {
    "x-ti-app-id": app_id,
    "x-ti-secret-code": secret_code,
}

# Step 1: 创建异步任务
with open("large_document.pdf", "rb") as f:
    response = requests.post(
        "https://api.textin.com/api/v1/xparse/parse/async",
        headers=headers,
        files={"file": ("large_document.pdf", f)},
    )

job_id = response.json()["data"]["job_id"]
print(f"任务已创建: {job_id}")

# Step 2: 轮询查询任务状态
while True:
    status_resp = requests.get(
        f"https://api.textin.com/api/v1/xparse/parse/async/{job_id}",
        headers=headers,
    )
    status_data = status_resp.json()["data"]

    if status_data["status"] == "completed":
        print("解析完成！")
        print(status_data)
        
        # Step 3: 通过 result_url 获取实际结果
        result_url = status_data["result_url"]
        result_resp = requests.get(result_url, headers=headers)
        result_data = result_resp.json()
        
        # 输出元素信息
        print(f"共解析 {len(result_data['elements'])} 个元素")
        for element in result_data["elements"][:5]:
            print(f"[{element['type']}] {element['text'][:50]}")
        break
        
    elif status_data["status"] == "failed":
        print(f"解析失败: {status_data.get('message', '未知错误')}")
        break

    print(f"状态: {status_data['status']}，等待中...")
    time.sleep(5)

异步 API 还支持 webhook 回调通知，无需轮询。详见异步解析 API 文档。

理解返回结果

解析成功后，返回的核心数据结构如下：

{
  "code": 200,
  "message": "success",
  "data": {
    "schema_version": "1.3.0",
    "file_id": "doc_7f3a2b",
    "job_id": "job_x9k2m",
    "success_count": 5,
    "metadata": {
      "filename": "document.pdf",
      "filetype": "application/pdf",
      "page_count": 5,
      "data_source": {
        "record_locator": {
          "protocol": "file",
          "remote_file_path": "/path/to/document.pdf"
        },
        "url": "file:///path/to/document.pdf"
      }
    },
    "markdown": "# 文档标题\n\n这是正文内容...\n\n| 列1 | 列2 |\n|---|---|\n| 值1 | 值2 |",
    "elements": [
      {
        "element_id": "el_001",
        "type": "Title",
        "text": "文档标题",
        "page_number": 1,
        "coordinates": [0.100000, 0.120000, 0.320000, 0.120000, 0.320000, 0.160000, 0.100000, 0.160000],
        "metadata": {
          "category_depth": 0,
          "children_ids": ["el_002"],
          "is_continuation": false,
          "data_source": {
            "record_locator": {
              "protocol": "file",
              "remote_file_path": "/path/to/document.pdf"
            },
            "url": "file:///path/to/document.pdf"
          }
        }
      },
      {
        "element_id": "el_002",
        "type": "NarrativeText",
        "text": "这是正文内容...",
        "page_number": 1,
        "coordinates": [0.100000, 0.180000, 0.900000, 0.180000, 0.900000, 0.220000, 0.100000, 0.220000],
        "metadata": {
          "parent_id": "el_001",
          "is_continuation": false,
          "data_source": {
            "record_locator": {
              "protocol": "file",
              "remote_file_path": "/path/to/document.pdf"
            },
            "url": "file:///path/to/document.pdf"
          }
        }
      }
    ]
  }
}

字段	说明
`schema_version`	数据结构版本号，当前为 `"1.3.0"`
`file_id`	文件唯一标识
`job_id`	任务唯一标识
`success_count`	成功解析的页数（计费依据）
`metadata`	文件元信息（文件名、类型、页数、数据源等）
`markdown`	文档的 Markdown 表示，可直接用于 LLM 输入
`elements`	文档元素列表，每个元素包含类型、文本、坐标、元信息等详细信息

更详细的返回结构说明请参考返回结构详解。

下一步

解析配置详解

深入了解所有输入参数配置，包括能力开关、处理范围、引擎选择等

返回结构详解

了解 Elements、坐标、表格结构等完整返回字段

Python SDK

SDK 高级用法：异步任务、错误处理、自定义配置

API 参考

完整的 API 参数与响应说明

异步解析

使用异步 API 处理大文件和批量任务

计费说明

了解定价与计费规则

产品概览

文档解析

文档解析新版

文档抽取

FAQ

新版本核心升级

更轻量的数据结构

标准输入输出协议

引擎可替换（即将到来）

异步 API 支持

准备工作

1. 获取 API Key

2. 准备示例文件

使用 Python SDK（推荐）

Step 1：安装 SDK

Step 2：配置环境变量

Step 3：解析文档

Step 4：查看结果

Step 5：保存结果

完整代码（一键运行）

REST API 示例

同步解析

异步解析（适用于大文件）

理解返回结果

下一步

解析配置详解

返回结构详解

Python SDK

API 参考

异步解析

计费说明

产品概览

文档解析

文档解析新版

文档抽取

FAQ

​新版本核心升级

更轻量的数据结构

标准输入输出协议

引擎可替换（即将到来）

异步 API 支持

​准备工作

​1. 获取 API Key

​2. 准备示例文件

​使用 Python SDK（推荐）

​Step 1：安装 SDK

​Step 2：配置环境变量

​Step 3：解析文档

​Step 4：查看结果

​Step 5：保存结果

​完整代码（一键运行）

​REST API 示例

​同步解析

​异步解析（适用于大文件）

​理解返回结果

​下一步

解析配置详解

返回结构详解

Python SDK

API 参考

异步解析

计费说明

新版本核心升级

准备工作

1. 获取 API Key

2. 准备示例文件

使用 Python SDK（推荐）

Step 1：安装 SDK

Step 2：配置环境变量

Step 3：解析文档

Step 4：查看结果

Step 5：保存结果

完整代码（一键运行）

REST API 示例

同步解析

异步解析（适用于大文件）

理解返回结果

下一步