Unstructured.io怎麼用 AI文件解析資料提取教程

Unstructured.io是一個AI文件解析工具，可以把PDF、Word、圖片等非結構化文件轉成結構化資料。它會識別標題、段落、表格等內容，再輸出便於檢索、入庫或交給模型處理的元素。下面按“先解析、再提取、最後檢查”的順序操作，適合做合同、論文、報告或票據的資料整理。

第一步：準備文件和處理目標

先把待處理檔案放進單獨資料夾，確認格式可讀取，並記錄希望得到哪些欄位。例如發票可提取發票號、日期、金額和供應商；論文可提取標題、摘要、作者和關鍵詞。提前定義欄位能讓後續結果更穩定，也方便核對缺失值。

第二步：選擇網頁介面或 Python

不寫程式碼時，登入 Unstructured 的網頁介面，在工作流編輯器裡新增本地檔案進行試跑；需要批次自動化時，可用 Python SDK 或開源庫。先用一兩份代表性檔案測試，確認解析質量和欄位設計，再接入整批文件，避免一次跑完才發現設定不合適。

第三步：安裝依賴並配置金鑰

使用 API 時，先在帳戶中建立 API Key，並儲存為環境變數，不要直接寫進指令碼或提交到程式碼倉庫。安裝客戶端後，準備 PDF、Word 或圖片檔案路徑。依賴安裝與 API 呼叫方式可能隨版本變化，建議按所選介面對應的當前文件配置。

pip install unstructured-clientexport UNSTRUCTURED_API_KEY="你的密钥"

第四步：呼叫解析介面讀取文件

下面示例把 PDF 傳送到 Partition 介面，並將返回元素轉成字典。解析結果通常按內容型別拆分，每個元素可帶有文字和後設資料。將檔名、處理時間等資訊一併儲存，之後追查錯誤或重複處理會方便很多。

import osfrom unstructured_client import UnstructuredClientfrom unstructured_client.models import operations, shared
client = UnstructuredClient(    api_key_auth=os.environ["UNSTRUCTURED_API_KEY"])filename = "report.pdf"with open(filename, "rb") as f:    request = operations.PartitionRequest(        partition_parameters=shared.PartitionParameters(            files=shared.Files(content=f, file_name=filename)        )    )response = client.general.partition(request=request)elements = [item.model_dump() for item in response.elements]print(elements[:2])

第五步：按版面和檔案型別調整策略

普通文字 PDF 可先用預設解析方式；掃描件、複雜表格或多欄版面，更適合測試高解析度策略及 OCR 相關配置。Word 文件按需安裝對應依賴。先抽查幾頁，重點看閱讀順序、表格行列和頁首頁尾；若結果錯位，調整策略後再跑，不要盲目批次匯入。

第六步：把元素提取成指定欄位

解析得到的是內容元素，不一定已是業務資料。若介面提供 Extract 節點，可在工作流中新增欄位 schema，寫清欄位型別和含義；程式碼流程也可將元素交給模型或規則抽取，再校驗輸出。例如金額要規定為數值，日期統一成 YYYY-MM-DD，未識別欄位保留空值而不是猜測。

schema = {    "invoice_number": "string",    "invoice_date": "YYYY-MM-DD",    "total": "number",    "vendor": "string"}

第七步：檢查結果並匯出

將抽取結果與原文逐項對照，特別檢查金額、日期、編號和表格資料；對低置信度或空欄位設定人工複核。確認格式一致後再匯出 JSON、寫入資料庫或送入搜尋系統。保留原檔案路徑與頁碼等來源資訊，方便發現錯誤時定位文件位置。

第八步：小批次試跑後再自動化

上線前用不同版式的檔案做小批次測試，記錄成功率、耗時和失敗原因；處理失敗時單獨重試，不要重複寫入已成功記錄。若主要需求是中文論文閱讀與資料整理，也可瞭解國內替代工具切問學術，訪問官網試用。潤滅建議先用樣本文件對比欄位準確度，再決定長期方案。