pspdfkit/processor

文档处理服务器镜像

镜像概述

本镜像提供一个便捷的文档处理服务器，专注于解决自动化和重复性文档操作需求。通过该服务器，用户可减少手动处理文档的繁琐流程，实现文档处理任务的自动化执行，提升工作效率。

核心功能与特性

• 自动化处理：支持配置自动化任务，自动执行重复性文档操作，如格式转换、内容提取、批量处理等
• 多格式支持：兼容常见文档格式，包括但不限于PDF、Word、Excel、PowerPoint等
• 轻量级部署：基于Docker容器化部署，配置简单，资源占用低，易于集成到现有工作流
• 可定制化：支持通过配置文件或API自定义处理规则，满足不同场景下的文档处理需求
• 日志与监控：内置日志记录功能，便于追踪处理过程和排查问题

使用场景

• 企业文档自动化：自动处理日常办公文档，如合同格式统一、报告生成、数据提取等
• 批量文档转换：将大量文档统一转换为指定格式（如PDF转Word、Excel转CSV等）
• 文档内容提取：从多份文档中自动提取关键信息（如表格数据、特定段落等）
• 集成工作流：作为中间件集成到自动化工作流中，连接文档输入源与输出目标

使用方法与配置说明

基本部署（Docker Run）

bash
docker run -d \
  --name document-processor \
  -p 8080:8080 \
  -v /path/to/local/documents:/app/documents \
  -e PORT=8080 \
  -e LOG_LEVEL=info \
  document-processor:latest

Docker Compose配置

yaml
version: '3'
services:
  document-processor:
    image: document-processor:latest
    container_name: document-processor
    ports:
      - "8080:8080"
    volumes:
      - ./documents:/app/documents  # 挂载本地文档目录
      - ./config:/app/config        # 挂载配置文件目录
    environment:
      - PORT=8080                   # 服务端口
      - LOG_LEVEL=info              # 日志级别：debug/info/warn/error
      - PROCESS_TIMEOUT=300         # 单个任务超时时间（秒）
      - MAX_CONCURRENT_TASKS=5      # 最大并发任务数
    restart: unless-stopped

环境变量说明

配置文件说明

通过挂载/app/config目录，可使用自定义配置文件config.yaml定义处理规则，示例：

yaml
processors:
  - name: pdf_to_word
    type: format_conversion
    input_format: pdf
    output_format: docx
    output_path: /app/documents/converted/word
  - name: extract_table_data
    type: content_extraction
    input_format: xlsx
    output_format: csv
    output_path: /app/documents/extracted/csv
    extract_rules:
      - sheet: "Sheet1"
        start_row: 2
        columns: [A, B, C, E]

API使用示例

启动服务后，可通过HTTP API提交处理任务：

bash
# 提交文档转换任务
curl -X POST http://localhost:8080/api/tasks \
  -H "Content-Type: application/json" \
  -d '{"processor": "pdf_to_word", "input_file": "/app/documents/source/report.pdf"}'