Adobe文件服务新推2大API，能自动撷取完整PDF结构输出JSON档方便整合Web，还能嵌入Word

Adobe在文件服务（Adobe Document Services）中新增两大API功能，分别是Adobe PDF Extract API与Adobe Document Generation API。前者能根据PDF内容的档案结构，透过Adobe核心AI引擎Adobe Sensei撷取文字、表格资料、图像等元素，并以JSON格式输出；后者则可以将JSON格式资料，嵌入Microsoft Word文件内容中，来生成具动态资料的PDF档案。

Adobe文件服务提供了一套SDK和Restful API，可供开发者打造各项PDF文件的应用，比如客制化的端到端协议（Agreement）、内容发布、资料分析工作流等任务。这套服务SDK可以在AWS Marketplace下载。

这次新增的两大云端API，一是Adobe PDF Extract API，透过AI分析PDF档案的内文结构，从中提取包括文字、表格资料、图像在内的所有PDF元素。文字撷取过程中，除了能依据内文格式辨识出标题、列表、注解等内容，还能理解文件中常见的跨栏、跨页段落，依照阅读顺序撷取完整内容文字。这些从PDF档中撷取的各种元素，例如文字、表格资料与图片，可以输出成网页应用惯用的JSON格式，表格资料也可以选择以CSV或XLSX来储存，图片则可选择以PNG储存，以便开发者可以轻易地储存、分析与操作这些数据，并与其他的系统结合，比如数据库、记录系统（systems of record）、CRM、ERP等系统，或是用来开发NLP应用、RPA自动化流程、ML模型或进行数据分析等。

Adobe PDF Extract API的一大功能，就是能辨识出文件中的标题、段落、表格、粗体字等不同的内文编排，依据这些编排来撷取各类元素。

撷取出内文、表格、影像等元素后，则会以JSON、PNG、CSV等档案储存，以利后续与其他系统结合应用。

比如表格资料可以在直接撷取后，汇入其它系统进行资料分析与视觉化。

另一项Adobe Document Generation API，则是能让开发者将JSON格式资料，嵌入Microsoft Word文件内容，来生成具动态资料的Word和PDF档案。开发者在使用时，须先在Word外挂Adobe文件生成标签功能（Adobe Document Generation Tagger），并上传JSON资料，由系统将自动依据JSON资料模型生成标签，或是自行建立可重复使用的标签，以便后续在Word中动态加入标签、影像、列表，或基于输入资料与条件生成的客制化表格。

在文件中完成标签与表格等元素的设定后，在生成PDF的过程中，系统将依据标签将指定的JSON资料结合到文件，快速生成一份自定义的文件内容，而不需要手动输入各类资料来建立一份文件。这项功能也已经与Adobe Sign整合，让用户可在文件中使用电子签名。

Adobe在官网上也提供了多种常用文件范本，用户可直接下载使用，也可上传自己的Word与JSON档来操作。这项功能常用于协议文件与合约的建立，包括销售提议及合约、法律合约、NDA保密协议、员工聘用信函、法律信函与声明等文件类型。

Adobe Document Generation API，主要功能是将JSON格式资料，嵌入Microsoft Word文件内，来生成具动态资料的Word和PDF档案。

Demo的左边是JSON资料的上传处，右边黄色萤光笔是添加到文件中的标签，不同标签代表要加入的不同资料类型，比如是产品名称、产品价钱等，设定完成后生成PDF，过程中，系统就会依据标签将指定的JSON资料，结合到文件中。