Analyse de documents

Firecrawl offre de puissantes fonctionnalités d’analyse de documents, vous permettant d’extraire du contenu structuré à partir de divers formats. Cette fonctionnalité est particulièrement utile pour traiter des fichiers comme des feuilles de calcul, des documents Word, et plus encore.

Firecrawl prend actuellement en charge les formats de documents suivants :

• Feuilles de calcul Excel (.xlsx, .xls, .xlsm, .xlsb, .ods)

  • Chaque feuille est convertie en tableau
  • Les feuilles sont séparées par des titres H2 portant le nom de la feuille
  • Préserve le formatage des cellules et les types de données

• Documents Word (.docx, .doc, .docm, .odt, .rtf)

  • Extrait le contenu textuel tout en préservant la structure du document
  • Conserve les titres, paragraphes, listes et tableaux
  • Préserve le formatage et le style de base

• Présentations PowerPoint (.pptx, .ppt, .pptm, .odp)

  • Extrait le contenu des diapositives dans l’ordre de lecture
  • Inclut les notes du présentateur

• Livres numériques EPUB (.epub)

  • Extrait le contenu des chapitres tout en préservant la structure du document

• Fichiers CSV (.csv)

  • Converti en tableau

• Documents PDF (.pdf)

  • Extrait le contenu textuel avec les informations de mise en page
  • Préserve la structure du document, y compris les sections et les paragraphes
  • Prend en charge les PDF textuels et les PDF scannés (avec OCR)
  • Markdown optionnel par page et blocs de mise en page typés avec cadres de délimitation
  • Facturé 1 crédit par page. Voir la tarification pour plus de détails.
  • Voir les options PDF pour la référence complète : modes d’analyse, limites de pages, Markdown par page et blocs de mise en page.

L’analyse de documents dans Firecrawl fonctionne de deux façons :

1. Analyse à partir d’une URL (/v2/scrape) : fournissez une URL pointant vers un type de document pris en charge.
2. Analyse par téléversement de fichier (/v2/parse) : téléversez directement le contenu binaire du fichier avec multipart/form-data.

Pour l’analyse à partir d’une URL, Firecrawl détecte automatiquement le type de fichier à partir de l’extension ou du type de contenu.

Utilisez /v2/parse lorsque le document source est local ou n’est pas accessible publiquement via une URL.

curl -X POST "https://api.firecrawl.dev/v2/parse" \  -H "Authorization: Bearer fc-YOUR-API-KEY" \  -F 'options={"formats":["markdown"]}' \  -F "file=@./document.docx;type=application/vnd.openxmlformats-officedocument.wordprocessingml.document"

import { Firecrawl } from 'firecrawl';const firecrawl = new Firecrawl({  // Aucune clé API requise pour démarrer — ajoutez-en une pour des limites de débit plus élevées :  // apiKey: "fc-YOUR-API-KEY",});const doc = await firecrawl.scrape('https://example.com/data.xlsx');console.log(doc.markdown);

import { Firecrawl } from 'firecrawl';const firecrawl = new Firecrawl({  // Aucune clé API requise pour démarrer — ajoutez-en une pour des limites de débit plus élevées :  // apiKey: "fc-YOUR-API-KEY",});const doc = await firecrawl.scrape('https://example.com/data.docx');console.log(doc.markdown);

Tous les types de documents pris en charge sont convertis en Markdown propre et structuré. Par exemple, un fichier Excel comportant plusieurs feuilles peut être converti en :

## Feuille1| Nom   | Valeur ||-------|--------|| Élément 1 | 100   || Élément 2 | 200   |## Feuille2| Date       | Description  ||------------|--------------|| 2023-01-01 | Premier trimestre|

Êtes-vous un agent IA ayant besoin d’une clé API Firecrawl ? Consultez firecrawl.dev/agent-onboarding/SKILL.md pour obtenir des instructions d’intégration automatisée.