Python API 參考資料

概覽

NextPDF Python 軟體開發套件（SDK）對外提供兩個用戶端、兩者共用的單一 ast 方法命名空間、每個回應所使用的一組定型 Pydantic 模型、一個 nextpdf 命令列介面（CLI），以及一個六類別的例外階層。本頁提供上述每個符號的參考說明。

從頂層套件匯入公開介面：

from nextpdf import (
    AsyncNextPDF,
    NextPDF,
    AstBuildTimeoutError,
    AstNoStructTreeError,
    NextPDFAPIError,
    NextPDFError,
    NextPDFLicenseError,
    QuotaExceededError,
)

每個擷取方法都以原始 PDF 位元組（bytes）作為第一個位置引數，並回傳定型的 Pydantic 模型。其後接著僅限關鍵字的選項。同步的 NextPDF.ast.* 方法與非同步的 AsyncNextPDF.ast.* 方法具有完全相同的簽章。非同步方法是需要以 await 等待的協程。

用戶端

同步的 NextPDF 用戶端會包裝非同步用戶端，並將每個協程執行至完成。非同步的 AsyncNextPDF 用戶端同時也是非同步情境管理器。建議採用情境管理器形式，讓底層傳輸層能以可確定的方式關閉。

建構式

符號	參數	預設行為	回傳	拋出或失敗於	備註
NextPDF(*, base_url, api_key, api_version='v1')	僅限關鍵字的基底 URL、API 金鑰，以及選用的 API 版本。	建構以遠端為後端的同步用戶端。	NextPDF	ValueError，於 base_url 或 api_key 為空時拋出。	這些方法會以同步方式執行非同步工作，在 notebook 與正在執行的事件迴圈中皆可安全使用。
AsyncNextPDF(*, base_url='', api_key='', api_version='v1', backend=None)	僅限關鍵字的基底 URL、API 金鑰、選用的 API 版本，以及選用的注入後端。	未注入後端時，建構以遠端為後端的非同步用戶端。	AsyncNextPDF	ValueError，於 base_url 或 api_key 為空且未提供 backend 時拋出。	傳入 backend= 可在測試中注入自訂或本機後端。
AsyncNextPDF.__aenter__()	無。	進入非同步情境並回傳用戶端。	AsyncNextPDF	無預期項目。	使用 async with AsyncNextPDF(...) as client:。
AsyncNextPDF.__aexit__(*_)	被抑制的例外引數。	在情境結束時呼叫 close()。	None	無預期項目。	即使主體拋出例外，也會釋放傳輸層資源。
AsyncNextPDF.close()	無。	關閉自有的遠端後端並釋放連線池。	None	無預期項目。	具冪等性；注入的後端不會被關閉。

請勿將 API 金鑰留在原始碼中。請從環境變數（NEXTPDF_BASE_URL、NEXTPDF_API_KEY）或祕密管理器讀取 base_url 與 api_key。

import os

from nextpdf import AsyncNextPDF


async def extract(pdf_bytes: bytes) -> int:
    """Return the page count of a PDF using the async client as a context manager."""
    base_url = os.environ["NEXTPDF_BASE_URL"]
    api_key = os.environ["NEXTPDF_API_KEY"]

    async with AsyncNextPDF(base_url=base_url, api_key=api_key) as client:
        document = await client.ast.get_document_ast(pdf_bytes)
        return document.page_count

同步 AST 方法 — NextPDF.ast.*

符號	參數	預設行為	回傳	拋出或失敗於	備註
NextPDF.ast.get_document_ast()	pdf_data: bytes；關鍵字 page_range_start、page_range_end、token_budget。	為每一頁建構完整的語意 AST。	AstDocument	AstNoStructTreeError、AstBuildTimeoutError、NextPDFLicenseError、QuotaExceededError。	建構逾時時，請縮小頁面範圍。
NextPDF.ast.extract_cited_text()	pdf_data: bytes；關鍵字 page_index、headings_only。	擷取每個帶有引用錨點的文字區塊。	list[CitedTextBlock]	NextPDFAPIError、QuotaExceededError。	設定 headings_only=True 即可只取得標題節點。
NextPDF.ast.extract_cited_tables()	pdf_data: bytes；關鍵字 page_range（為 dict，含 start 與 end）。	擷取每個帶有儲存格層級引用錨點的表格。	ExtractCitedTablesResponse	NextPDFAPIError、QuotaExceededError。	省略 page_range 即可掃描整份文件。
NextPDF.ast.get_ast_node()	pdf_data: bytes、node_id: str。	依識別碼取得單一節點。	GetAstNodeResponse	NextPDFError，於找不到節點時拋出。	node_id 的格式為 ast:{hash6}:{pageIdx}:{seq}。
NextPDF.ast.search_ast_nodes()	pdf_data: bytes；關鍵字 node_type、page_index、text_query、max_results=100。	回傳符合篩選條件的淺層節點。	SearchAstNodesResponse	NextPDFAPIError。	text_query 會進行不區分大小寫的子字串比對。
NextPDF.ast.get_ast_diff()	original_pdf_data: bytes、modified_pdf_data: bytes。	在結構層級比較兩份文件。	GetAstDiffResponse	NextPDFAPIError、QuotaExceededError。	回報新增、移除與變更的節點。

非同步 AST 方法 — AsyncNextPDF.ast.*

每個非同步方法都是協程，其參數、預設值、回傳型別與失敗模式皆與上方對應的同步方法相同。在 asyncio 執行環境中，請以 await 呼叫。

符號	參數	預設行為	回傳	拋出或失敗於	備註
AsyncNextPDF.ast.get_document_ast()	pdf_data: bytes；關鍵字 page_range_start、page_range_end、token_budget。	為每一頁建構完整的語意 AST。	AstDocument	AstNoStructTreeError、AstBuildTimeoutError、NextPDFLicenseError、QuotaExceededError。	await 取得結果。
AsyncNextPDF.ast.extract_cited_text()	pdf_data: bytes；關鍵字 page_index、headings_only。	擷取每個帶有引用錨點的文字區塊。	list[CitedTextBlock]	NextPDFAPIError、QuotaExceededError。	await 取得結果。
AsyncNextPDF.ast.extract_cited_tables()	pdf_data: bytes；關鍵字 page_range。	擷取每個帶有儲存格層級引用錨點的表格。	ExtractCitedTablesResponse	NextPDFAPIError、QuotaExceededError。	await 取得結果。
AsyncNextPDF.ast.get_ast_node()	pdf_data: bytes、node_id: str。	依識別碼取得單一節點。	GetAstNodeResponse	NextPDFError，於找不到節點時拋出。	await 取得結果。
AsyncNextPDF.ast.search_ast_nodes()	pdf_data: bytes；關鍵字 node_type、page_index、text_query、max_results=100。	回傳符合篩選條件的淺層節點。	SearchAstNodesResponse	NextPDFAPIError。	await 取得結果。
AsyncNextPDF.ast.get_ast_diff()	original_pdf_data: bytes、modified_pdf_data: bytes。	在結構層級比較兩份文件。	GetAstDiffResponse	NextPDFAPIError、QuotaExceededError。	await 取得結果。

以情境管理器形式使用非同步用戶端，並行批次執行兩項擷取：

import asyncio

from nextpdf import AsyncNextPDF


async def extract_pair(first: bytes, second: bytes) -> None:
    """Extract two PDFs concurrently with one shared async client."""
    async with AsyncNextPDF(base_url="https://connect.example.com", api_key="set-from-secret") as client:
        text_blocks, tables = await asyncio.gather(
            client.ast.extract_cited_text(first),
            client.ast.extract_cited_tables(second),
        )
        print(f"text blocks: {len(text_blocks)}; tables: {tables.table_count}")

模型

每個回應都是 Pydantic 模型。你可以從 nextpdf 或 nextpdf.models.ast 匯入這些模型類別。

符號	種類	主要欄位	備註
AstDocument	文件根節點	schema_version、source_hash、page_count、root: AstNode、estimated_tokens（屬性）。	由 get_document_ast() 回傳。接受 schemaVersion、sourceHash、pageCount 別名。
AstNode	樹狀節點	id、type: NodeType、page_index、bbox、text_content、attributes、children: list[AstNode]、pdf_object_number、mcid。	承載文件樹的遞迴節點。
AstNodeMeta	回應中繼資料	etag、pages_processed。	已凍結；附加於節點與搜尋回應上。
AstNodeShallow	搜尋命中	id、type: NodeType、page_index、bbox、text_content、attributes、children_count。	已凍結；不含深層子節點。
BoundingBox	值物件	x、y、width、height（各為 0.0–1.0）。	正規化的頁面座標。
CitationAnchor	值物件	node_id、page_index、bbox: BoundingBox、confidence、content_hash。	每個區塊上的 provenance（來源資訊）記錄。
CitedTextBlock	文字區塊	text、citation: CitationAnchor、node_type、chunk_index、depth。	位於 extract_cited_text() 清單中的每個項目。
CitedTableBlock	表格區塊	table_node_id、page_index、citation_anchor、row_count、col_count、rows。	已凍結；表示單一表格。
CitedTableCell	表格儲存格	row、col、row_span、col_span、text、bbox、confidence。	已凍結；表示單一儲存格。
NodeType	列舉	document、section、heading、paragraph、list、table、figure，以及其他類型。	節點類型值的字串列舉。
GetAstNodeResponse	回應	node: AstNode、meta: AstNodeMeta。	由 get_ast_node() 回傳。
SearchAstNodesResponse	回應	nodes: list[AstNodeShallow]、total_matches、truncated、meta。	由 search_ast_nodes() 回傳。
ExtractCitedTablesResponse	回應	tables: list[CitedTableBlock]、table_count、pages_processed。	由 extract_cited_tables() 回傳。
AstDiffEntry	差異項目	type（added/removed/changed）、node_id、node_type、page_index、text_preview。	差異中的一項變更。
AstDiffSummary	差異總計	added_node_count、removed_node_count、changed_node_count。	彙總計數。
GetAstDiffResponse	回應	original_page_count、modified_page_count、summary: AstDiffSummary、diff: list[AstDiffEntry]、pages_processed。	由 get_ast_diff() 回傳。

從擷取出的文字區塊讀取引用錨點：

from nextpdf import CitedTextBlock


def describe(block: CitedTextBlock) -> str:
    """Render a text block with its page index and confidence."""
    anchor = block.citation
    return f"[page {anchor.page_index}, confidence {anchor.confidence:.2f}] {block.text[:80]}"

CLI 指令

你可以從終端機執行 nextpdf 指令來擷取內容。請傳入 --base-url 與 --api-key，或在環境變數中設定 NEXTPDF_BASE_URL 與 NEXTPDF_API_KEY。除了 version 以外，每個指令都需要連線設定。當 PDF_PATH 為 - 時，會從標準輸入讀取 PDF 位元組。

符號	參數	預設行為	回傳	拋出或失敗於	備註
nextpdf extract text	PDF_PATH；--format {json,markdown,plain}、--page、--headings-only。	以 JSON 輸出帶有引用的文字區塊。	寫到標準輸出或 --output 指定的檔案。	發生任何 NextPDFError 時，以結束代碼 1 結束。	--page 選擇單一以 0 為起始的頁面 Index（索引）。
nextpdf extract tables	PDF_PATH；--format {json,csv}、--page-start、--page-end。	以 JSON 輸出表格。	寫到標準輸出或 --output 指定的檔案。	發生任何 NextPDFError 時，以結束代碼 1 結束。	--format csv 會為每個表格各寫出一個 CSV 區塊。
nextpdf ast	PDF_PATH；--page-start、--page-end、--token-budget。	以 JSON 輸出完整的語意 AST。	寫到標準輸出或 --output 指定的檔案。	發生任何 NextPDFError 時，以結束代碼 1 結束。	使用 --token-budget 限制回應大小。
nextpdf info	PDF_PATH。	輸出文件中繼資料：頁數、結構描述版本、來源雜湊、估計權杖數，以及根節點摘要。	將 JSON 寫到標準輸出或 --output 指定的檔案。	發生任何 NextPDFError 時，以結束代碼 1 結束。	輕量的檢視指令。
nextpdf version	無。	印出已安裝的 SDK 版本。	寫到標準輸出。	無預期項目。	不會連線伺服器；不需要任何憑證。
python -m nextpdf.mcp	無（讀取 NEXTPDF_BASE_URL、NEXTPDF_API_KEY）。	在標準 input/output 上執行 Model Context Protocol 伺服器。	長時間執行的伺服器處理程序。	RuntimeError，於環境變數未設定時拋出。	需要 nextpdf[mcp] 額外套件。

從某個頁面範圍擷取表格並輸出為逗號分隔值（CSV）：

nextpdf extract tables invoice.pdf --format csv --page-start 0 --page-end 2 --output tables.csv

例外

例外階層位於 nextpdf.models.errors，並從 nextpdf 重新匯出。請先攔截你的程式碼能處理的最具體類別，再退回到基礎類別。伺服器以符合 RFC 9110 的 HTTP 狀態語意表示失敗。每個例外都帶有來源 status_code，並在適用時帶有 error_code。

符號	基礎類別	status_code	何時觸發	備註
NextPDFError	Exception	選填	所有 SDK 錯誤的基礎類別。	帶有選用的 status_code。作為備援，最後再攔截。
NextPDFAPIError	NextPDFError	必填	Connect 端點回傳了 HTTP 錯誤。	額外帶有 error_code。
NextPDFLicenseError	NextPDFAPIError	402	該功能在伺服器上需要更高層級的授權。	error_code 為 license/tier-required。
QuotaExceededError	NextPDFAPIError	429	超過速率限制或配額。	帶有 retry_after；重試前請遵守該值。
AstNoStructTreeError	NextPDFAPIError	422	該 PDF 未加標籤，且未啟用啟發式備援。	啟用啟發式模式，或提供已加標籤的 PDF。
AstBuildTimeoutError	NextPDFAPIError	504	AST 建構在伺服器上逾時。	縮小頁面範圍後重試。

from nextpdf import (
    NextPDF,
    AstBuildTimeoutError,
    NextPDFAPIError,
    NextPDFError,
    QuotaExceededError,
)


def extract_text(client: NextPDF, pdf_bytes: bytes) -> int:
    """Extract cited text, handling the most specific failures first."""
    try:
        blocks = client.ast.extract_cited_text(pdf_bytes)
    except QuotaExceededError as error:
        raise RuntimeError(f"Quota exceeded (retry after {error.retry_after}s)") from error
    except AstBuildTimeoutError as error:
        raise RuntimeError("AST build timed out; reduce the page range") from error
    except NextPDFAPIError as error:
        raise RuntimeError(f"API error {error.status_code}: {error}") from error
    except NextPDFError as error:
        raise RuntimeError(f"SDK error: {error}") from error
    return len(blocks)

開發備註

• 同步的 NextPDF 用戶端會將每個呼叫委派給 AsyncNextPDF。由於偵測到正在執行的迴圈時會把協程分派到工作執行緒，因此即使在 notebook 或已執行事件迴圈的執行緒中呼叫也很安全。
• 建議採用非同步情境管理器形式 async with AsyncNextPDF(...) as client:，讓連線池能以可確定的方式關閉。當你直接建構 AsyncNextPDF 時，請自行呼叫 close()。
• 持有人權杖（bearer token）絕不會被記錄或放進錯誤訊息，且預設啟用傳輸層安全性（TLS）驗證。請勿將憑證內嵌在原始碼中；請從環境變數或祕密管理器讀取。
• 所有模型都是 Pydantic v2 類別；有數個回應模型是凍結的（不可變）。請把擷取出的區塊視為唯讀值。
• 發生任何 NextPDFError 時，CLI 會以結束代碼 1 結束，並將訊息印到標準錯誤。請把該結束代碼接入你的管線。

另請參閱

• Python SDK 開發者指南 — 架構、非同步批次處理與失敗處理。
• Python CLI — 終端機擷取與大型檔案的串流處理。
• Python MCP 伺服器 — 將擷取工具開放給 AI Agent（代理）使用。
• RFC 9110（HTTP 語意）與 RFC 9457（HTTP API 的問題詳情）描述 Connect 端點回傳的狀態語意與機器可讀的錯誤主體。權威文字請參閱 IETF RFC 索引。