# smart-extractor

**Repository Path**: os-lee/smart-extractor

## Basic Information

- **Project Name**: smart-extractor
- **Description**: smart-extractor
- **Primary Language**: Unknown
- **License**: Apache-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-05-10
- **Last Updated**: 2025-05-10

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# smart-extractor

## 项目简介
智能文本抽取平台，支持多种抽取器类型（如 Med 和 Apryse），可将文件转换为 Markdown 或 PDF 格式。

**当前功能包括：**
- 文件上传与任务创建
- 获取任务状态与队列信息
- 下载处理后的结果文件
- 获取可用抽取器类型列表

---

## 部署方式

支持以下部署方式：
- **Docker**
- **Docker Compose**
- **Kubernetes (推荐)**
    - 使用 `kubectl` 和 `Helm` 进行部署管理

---

## 抽取器支持

### Med
- **支持格式**：PDF、图片、Word、PPT、Excel、Notebooks、代码片段等
- **输出格式**：Markdown
- **描述**：支持多种文件格式转换为 Markdown 文本，适用于内容提取和结构化处理。

### Apryse
- **支持格式**：扫描件 PDF（含 OCR）
- **输出格式**：PDF（标准可编辑 PDF）
- **描述**：针对扫描版 PDF 进行识别与转换，输出为标准 PDF 格式，便于后续处理和使用。

---

## 接口文档
[智能抽取.openapi.json](..%2Fdocs%2F%D6%C7%C4%DC%B3%E9%C8%A1.openapi.json)

## 构建镜像
---
git pull
docker stop $(sudo docker ps -q)
docker rm $(sudo docker ps -a -q)
# docker rmi -f $(docker images -q)

docker build   --build-arg ENV_NAME=test   --build-arg PORT=9000   -t smart-extractor:v1 .

docker run -d \
-p 9000:9000 \
-v /zzsn/smart-extractor/PDFNetC/Lib:/workspace/PDFNetC/Lib \
-v /zzsn/smart-extractor/logs:/workspace/logs \
-v /zzsn/smart-extractor/file:/workspace/file \
-v /zzsn/smart-extractor/smart-controller/config.yaml:/workspace/config.yaml \
-v /zzsn/smart-extractor/smart-extracor-apryse/config.ini:/workspace/smart-extracor-apryse/config.ini \
-v /zzsn/smart-extractor/smart-extracor-med/config.ini:/workspace/smart-extracor-med/config.ini \
-v /etc/localtime:/etc/localtime:ro \
-e PORT=9000 \
--name app \
smart-extractor:v1

docker logs -f app
---