文档转换与文件处理 Skill 查看原始 SKILL.md

准备交给 Coding Agent 执行？先阅读 AI 接入指南，确认接口契约与调用边界。

文档转换与文件处理 Skill

面向 PDF、Word、HTML、Markdown、PPT 与图片转换、拆分、识别和内容归档的公开 API 组合。

业务场景

用于文档自动化、内容归档、合同处理、报告生成和格式转换。适合把 PDF、Word、HTML、Markdown、PPT、图片和 OCR 相关接口组合成文档采集、转换、拆分和整理链路。

  • 数据范围：覆盖 URL/HTML/Markdown/PDF/Word/PPT/图片相关转换、PDF 拆分、文档摘要、OCR、图片压缩和文档内容整理。
  • 关键数据维度：文件维度：文件类型、页数、大小、来源 URL、转换目标和输出格式。；内容维度：正文、标题、段落、表格、图片、OCR 结果和摘要。；处理维度：转换、拆分、压缩、识别、提取和归档。

何时使用

  • 把网页、PDF、Word、Markdown、HTML 或图片转换为业务需要的格式。
  • 拆分、压缩、识别或整理文档，方便归档和后续处理。
  • 为报告生成、资料入库、合同流转和内容发布准备文档数据。

不适用场景

  • 用户只需要查看某一个接口的完整参数、响应字段、价格或购买入口时，直接打开接口详情页。
  • 用户希望绕过接口开通、鉴权、配额或人工复核要求时，不应使用 Skill 作为替代。
  • 任务需要法律、医疗、金融投资或升学录取的最终决策时，Skill 只能提供数据辅助和复核线索。

用户需要提供的信息

  • 原始文件、URL 或 HTML 内容，以及目标格式、页码范围、文件大小和输出用途。
  • 是否需要 OCR、摘要、拆分、压缩、转换或归档。
  • 调用接口所需的 AppKey、开通状态和接口详情页限制。

推荐工作流

  1. 先按输入格式选择解析或转换接口。
  2. 再根据结果输出 PDF、Word、HTML、图片或纯文本。
  3. 需要分段处理时，先拆分 PDF 或转换成中间格式。

参数传递关系

  • 文件 URL、上传结果或 HTML 内容先进入转换接口，转换后的文本或文件地址再进入摘要、OCR、拆分或归档步骤。
  • 拆分和转换任务需要保留页码范围、目标格式和原文件名。
  • OCR 结果可继续传给文本处理 Skill 做摘要、纠错或结构化。

典型任务模板

  • 格式转换：输入文件或 URL、目标格式；输出转换结果、失败原因和文件链接。
  • 文档拆分：输入 PDF、页码范围；输出拆分文件和页码映射。
  • 扫描件整理：输入图片或 PDF；输出 OCR 文本、摘要和人工复核项。

接口与关键参数

统一鉴权：调用接口前需要准备咕咕数据 AppKey。AppKey 应从环境变量或凭据管理系统注入，不要写入 SKILL.md、代码仓库、URL、日志或对话正文。推荐在服务端通过 Header 传递 AppKey；历史 Query 参数 appkey 仍以接口详情页说明为准。

HTML/URL 转 PDF

关键请求参数：

参数必填类型默认值说明来源与传递
type是string无可选参数为 HTML 或 URL（注意，当类型为 URL 时，需要保证页面可以正常请求，我们的接口不解决加密页面、反爬虫页面等不能正常返回 HTML 的页面请求）由用户输入、业务筛选条件或上一轮接口结果确定。
content是string无内容正文，如果 type=HTML，那么传递 HTML 内容；如果 type=URL，那么传递需要存储为 PDF 的站点 URL 即可文本内容来自用户输入、网页正文抽取或文档识别结果
landscape否integer|string0控制生成 PDF 是否为横向页面模式，传递 1 控制页面横向渲染模式，默认为 0由用户输入、业务筛选条件或上一轮接口结果确定。
showpages否integer|string0控制生成的 PDF 是否在页脚包含页码信息，传递 1 控制页脚生成页码，默认为 0由用户输入、业务筛选条件或上一轮接口结果确定。
filename否string-可选参数，控制生成的文件名称，不需要后缀文件或图片来自用户上传、公开 URL 或上一轮转换结果
storage否stringpublic文件存储方式，可选 public 或 private。默认 public 返回公开下载地址；private 存入私有存储，返回 file_id，需生成短期下载链接后下载。由用户输入、业务筛选条件或上一轮接口结果确定。

HTML 转 Word

关键请求参数：

参数必填类型默认值说明来源与传递
type是string无HTML 为直接正文，URL 为公开网页地址；保留现有大小写兼容。由用户输入、业务筛选条件或上一轮接口结果确定。
content是string无与 type 对应的完整 HTML 或公开 HTTP/HTTPS URL。文本内容来自用户输入、网页正文抽取或文档识别结果
filename否string无可选输出文件名称，不含扩展名；实际输出为 DOCX，不接受服务器路径。文件或图片来自用户上传、公开 URL 或上一轮转换结果
storage否stringpublicpublic 返回下载地址；private 返回当前应用所属的私有文件引用。由用户输入、业务筛选条件或上一轮接口结果确定。

Markdown 转 PDF

关键请求参数：

参数必填类型默认值说明来源与传递
content是string无非空白 Markdown 内容；支持表单和 JSON。文本内容来自用户输入、网页正文抽取或文档识别结果
storage否stringpublicpublic 返回下载地址字符串；private 返回所属应用的六字段文件引用。由用户输入、业务筛选条件或上一轮接口结果确定。

Word 转 HTML

关键请求参数：

参数必填类型默认值说明来源与传递
url否string-历史表单 URL 模式：公开 HTTP/HTTPS Word 地址；与 file 互斥，不支持本地或内网地址。URL 或域名由用户提供，调用前需要确认协议、跳转和可访问性
file否string/binary-一个未加密的 DOC/DOCX 文件；file 与 url 必须二选一。上传请求不超过 100 MiB。文件或图片来自用户上传、公开 URL 或上一轮转换结果
storage否stringpublicpublic 返回 html_url；private 返回 html_file，需所有者生成短期下载链接。支持 Query 或表单，冲突拒绝。由用户输入、业务筛选条件或上一轮接口结果确定。

PDF 解析格式化输出

关键请求参数：

参数必填类型默认值说明来源与传递
type是string无text、html、xml 或 tag；按当前格式能力解析，不进行 OCR。由用户输入、业务筛选条件或上一轮接口结果确定。
pdffile是string/binary无上传一个实际 PDF 文件；通过 multipart/form-data 发送文件内容，不是服务器路径或 URL。文件或图片来自用户上传、公开 URL 或上一轮转换结果

PDF 转 HTML

关键请求参数：

参数必填类型默认值说明来源与传递
file是string/binary-multipart 单个 PDF 文件；最大 20 MiB、100 页，不支持加密和扫描型 PDF。文件或图片来自用户上传、公开 URL 或上一轮转换结果
storage否stringpublicpublic 返回 HTML 地址；private 返回既有文件引用。支持表单或 Query，同值允许，冲突拒绝。由用户输入、业务筛选条件或上一轮接口结果确定。

通用 PDF 文件流 OCR 到文本

关键请求参数：

参数必填类型默认值说明来源与传递
pdffile是string/binary-multipart 单个未加密 PDF；20 MiB、20 页。APPKEY 可通过 Query、multipart appkey、AppKey/X-GUGUDATA-APPKEY/X-API-Key 请求头或 Bearer 传递；同值允许，冲突返回 501。文件或图片来自用户上传、公开 URL 或上一轮转换结果

通用 PDF 文件流 OCR 到 Word

关键请求参数：

参数必填类型默认值说明来源与传递
pdffile是string/binary-单个未加密且非空白的 PDF 文件；multipart/form-data 上传，兼容历史单文件字段名。文件或图片来自用户上传、公开 URL 或上一轮转换结果
storage否stringpublicpublic 返回下载地址；private 返回所有者受控文件引用。由用户输入、业务筛选条件或上一轮接口结果确定。

PDF 分割拆分

关键请求参数：

参数必填类型默认值说明来源与传递
file是string/binary-恰好一个 PDF；最大 50 MiB、500 页，不支持加密文件。文件或图片来自用户上传、公开 URL 或上一轮转换结果
pageSize否integer10每份 1～100 页，默认 10；拆分 PDF 不超过 100 个，ZIP 同样适用。分页参数由调用方控制，用于分批读取结果
isZip否booleanfalse布尔值，默认 false；true 时交付一个包含全部拆分 PDF 的 ZIP。由用户输入、业务筛选条件或上一轮接口结果确定。
storage否stringpublicpublic 返回下载地址数组；private 返回既有文件信息数组。由用户输入、业务筛选条件或上一轮接口结果确定。

PPT 转 PDF

关键请求参数：

参数必填类型默认值说明来源与传递
url否string无公开 HTTP/HTTPS 演示文稿链接；与上传文件二选一。URL 或域名由用户提供，调用前需要确认协议、跳转和可访问性
file否string/binary无上传一个 PPT、PPTX 或 PPTM；与 url 二选一。兼容历史单文件字段名称。文件或图片来自用户上传、公开 URL 或上一轮转换结果
storage否stringpublicpublic 返回下载地址字符串；private 返回六字段文件引用，仅所有者可下载。由用户输入、业务筛选条件或上一轮接口结果确定。

PPT 转图片

关键请求参数：

参数必填类型默认值说明来源与传递
url否string无可公开下载的 HTTP/HTTPS 演示文稿地址，同时传入 file 时使用 URL。URL 或域名由用户提供，调用前需要确认协议、跳转和可访问性
file否string/binary无上传一个 PPT/PPTX 文件，兼容历史单文件字段。file/url 至少一项；同时传入时 URL 优先。文件或图片来自用户上传、公开 URL 或上一轮转换结果
scale_factor否number1保留有限数字的历史归一化：小于 1 使用 1，大于 4 使用 4；不支持 NaN 或无穷。由用户输入、业务筛选条件或上一轮接口结果确定。
storage否stringpublicpublic 返回有序图片地址数组；private 返回 Data.files 文件引用列表。由用户输入、业务筛选条件或上一轮接口结果确定。

通用图片文件流 OCR 到文本

关键请求参数：

参数必填类型默认值说明来源与传递
imagefile是string/binary-图片文件，支持 JPEG、PNG、GIF、BMP 与 TIFF，最大 20 MiB；单边不超过 12000 像素，总像素不超过 4000 万。文件或图片来自用户上传、公开 URL 或上一轮转换结果

通用图片地址 OCR 到文本

  • 业务角色：图片地址 OCR
  • 调用阶段：识别输入
  • 接口地址：POST https://api.gugudata.com/imagerecognition/ocr
  • 产出用途：用于通用图片地址 OCR 到文本。
  • 参数来源：URL 或域名由用户提供，调用前需要确认协议、跳转和可访问性；文件或图片来自用户上传、公开 URL 或上一轮转换结果
  • 接口资料：详情页 https://www.gugudata.com/api/details/ocr；接口 Markdown https://www.gugudata.com/api/details/ocr/llm.md

关键请求参数：

参数必填类型默认值说明来源与传递
imageurl否string无公开 HTTP/HTTPS 图片地址；与 imagebase64 至少提供一项，同时提供时 URL 优先。URL 或域名由用户提供，调用前需要确认协议、跳转和可访问性
imagebase64否string无图片 Base64 字符串；未提供 imageurl 时使用。文件或图片来自用户上传、公开 URL 或上一轮转换结果

图片 OCR 转 Word

  • 业务角色：图片 OCR 到 Word
  • 调用阶段：转换输出
  • 接口地址：POST https://api.gugudata.com/imagerecognition/ocr2word
  • 产出用途：用于图片地址 OCR 到 Word。
  • 参数来源：语言参数来自用户指定的源语言、目标语言或语种检测结果；URL 或域名由用户提供，调用前需要确认协议、跳转和可访问性；文件或图片来自用户上传、公开 URL 或上一轮转换结果
  • 接口资料：详情页 https://www.gugudata.com/api/details/ocr2word；接口 Markdown https://www.gugudata.com/api/details/ocr2word/llm.md

关键请求参数：

参数必填类型默认值说明来源与传递
language否stringauto识别语言，可选 auto、zh-cn、zh-tw、en、ja、ko、fr、de。语言参数来自用户指定的源语言、目标语言或语种检测结果
imageurl否stringYOUR_VALUE公开可访问的 HTTPS 图片地址，与 imagebase64 必须且只能提供一个。URL 或域名由用户提供，调用前需要确认协议、跳转和可访问性
imagebase64否stringYOUR_VALUE图片 Base64 编码或图片 Data URI，与 imageurl 必须且只能提供一个。文件或图片来自用户上传、公开 URL 或上一轮转换结果
storage否stringpublic文件交付方式，可选 public 或 private。由用户输入、业务筛选条件或上一轮接口结果确定。
fileName否stringocr-result.docx输出文件名，最长 80 个字符，文件格式固定为 DOCX。文件或图片来自用户上传、公开 URL 或上一轮转换结果

图片压缩与尺寸优化

关键请求参数：

参数必填类型默认值说明来源与传递
image_file否string/binary-本地图片文件，最大 10 MiB；与 image_url 二选一。文件或图片来自用户上传、公开 URL 或上一轮转换结果
image_url否string-公开可访问的 HTTP 或 HTTPS 图片地址；与 image_file 二选一。URL 或域名由用户提供，调用前需要确认协议、跳转和可访问性
targetWidth否integer-目标宽度上限，范围为 1 至 8192 像素。由用户输入、业务筛选条件或上一轮接口结果确定。
targetHeight否integer-目标高度上限，范围为 1 至 8192 像素。由用户输入、业务筛选条件或上一轮接口结果确定。
maxWidth否integer-最大宽度，范围为 1 至 8192 像素。由用户输入、业务筛选条件或上一轮接口结果确定。
maxHeight否integer-最大高度，范围为 1 至 8192 像素。由用户输入、业务筛选条件或上一轮接口结果确定。
quality否integer85JPEG 或 WebP 输出质量，范围为 1 至 95，默认 85。由用户输入、业务筛选条件或上一轮接口结果确定。
format否string-输出格式：jpeg、png、webp、gif 或 bmp；未传时保持原格式。由用户输入、业务筛选条件或上一轮接口结果确定。

失败处理与恢复

  • 缺少必填输入或数据口径不明确时，停止调用并先向用户补齐信息。
  • 收到 401 或 403 时，检查 AppKey、安全配置和服务权限；不要在输出中回显凭据。
  • 收到 429 时，遵守接口返回的限流提示，降低频率后再试，不要并发放大请求。
  • 遇到网络或 5xx 异常时，只对幂等请求进行有限次数重试，并记录失败接口与时间。
  • 数据为空或多接口结果冲突时，返回已确认事实、证据缺口和复核建议，不要臆造结论。

数据校验与使用边界

  • 转换前确认文件格式、大小限制、页数和目标格式。
  • OCR、格式转换和内容抽取可能受扫描质量、字体、版式和图片清晰度影响。
  • 合同、财务、法律等重要文档需要人工复核。

输出建议

  • 输出文档处理结果时说明原始格式、目标格式、页数和失败项。
  • 对批量任务给出成功、失败、需人工处理的清单。
  • 对摘要或抽取内容保留原文件链接或文件名以便追溯。

常见问题

  • 问：什么情况下应该使用这个 Skill？ 答：当用户提出的目标需要多个咕咕数据公开 API 组合完成，而不是只查询一个接口时，优先阅读这个 Skill。
  • 问：这个 Skill 是否需要单独购买？ 答：不需要。Skill 文档只负责业务流程和接口选型，具体接口购买、价格和账号权益仍以接口详情页为准。
  • 问：Agent 应该怎样使用这个 Skill？ 答：Agent 应先阅读 SKILL.md，确认业务场景和推荐工作流，再进入接口详情页核对参数、响应字段、价格和调用示例。
  • 问：调用接口前需要先核对什么？ 答：需要核对业务对象、地区、时间范围、输入格式、必填参数、返回字段、购买状态和接口详情页中的限制说明。
  • 问：文档转换与文件处理 Skill 会替代接口文档吗？ 答：不会。Skill 负责说明业务组合和调用顺序，接口参数、响应结构、计费和购买入口仍以接口详情页为准。

咕咕数据 专业的数据提供商

公司

条款

商业 API

更多分类

文档

在线调试

平台

接入与支持

© 2015-2026 江苏满数数据科技有限公司 苏ICP备2022035649号