ForHosting KIT · PDF・文書ツール

Word文書からテキストだけを抽出

Word文書をそのまま他のシステムに渡すと、書式の情報が邪魔になることがあります。この機能はDOCXファイルから見出しや段落の構成を保ちながら、書式を取り除いた本文だけのテキストを取り出します。

● 安定提供中文書あたり$0.052

ご利用方法ウェブAPIメールアプリ近日Telegram 近日

オンラインで実行

アカウントでログインし、当社のサーバー上で実行します。無料ツールはブラウザ内で動作しますが、これは上記の料金がKIT残高から差し引かれます。

書式を残す変換と、あえて外す変換の違い

PDFへの変換は見た目を固定するのが目的ですが、この機能は逆に見た目の情報をあえて外します。フォント、色、余白といった書式情報を取り除き、文章の構成だけを保った素のテキストとして出力します。文字数のカウント、AIによる要約、検索インデックスへの登録など、書式が不要などころか邪魔になる用途に向いています。

見出しと段落の構造は保たれる

単なる文字の羅列ではなく、見出しと本文の区切り、段落の切れ目は保ったまま出力されます。表がある場合は行と列の区切りをテキスト上でも識別できる形で書き出します。文章の骨格を残しつつ書式だけを外すため、後段の処理で文章の構造を扱う必要がある場合にも対応できます。

議事録や社内文書のシステム連携で使われる

議事録をナレッジベースに取り込む、複数人が作成した報告書をまとめて要約させる、応募書類のテキストだけを人事システムに登録する。いずれもWord文書をそのまま扱うのではなく、文章の中身だけを別のシステムで再利用したい場面です。DOCXファイルをこのページまたはAPIに渡すだけで、書式を気にせず本文だけを取得できます。

料金と現在の状況

料金は1文書あたり$0.052＋$0.003で、$0.055です。文書の長さには左右されません。上限は25MB・200ページ。この機能は現在準備中で、実行はまだ受け付けていません。料金と上限はすでに確定しています。

活用例

議事録をナレッジベースに登録

総務担当の鈴木美咲さんが、Wordで作成した議事録から本文だけのテキストを取り出し、社内の検索システムに登録しています。

応募書類のテキストを人事システムに取り込む

株式会社山田商事の人事部が、応募者から届く職務経歴書のDOCXから本文だけを抽出し、採用管理システムに自動で登録しています。

報告書をまとめて要約にかける

合同会社みどりデザインが、複数の担当者が作成した月次報告書から本文だけを取り出し、AIによる要約処理にまとめて渡しています。

契約書テンプレートの文字数を確認

行政書士事務所が、作成した契約書テンプレートの文字数を確認するため、書式を取り除いた本文だけのテキストに変換しています。

よくある質問

見出しと本文の区切りはテキストでもわかりますか？

はい。見出しと段落の切れ目は保たれた状態で出力されるため、文章の構成をそのまま扱えます。

表が含まれる文書はどう出力されますか？

行と列の区切りが識別できる形でテキストに書き出されます。表の見た目そのものは保たれません。

画像やヘッダー・フッターの内容は取り出せますか？

取り出されるのは本文のテキストです。画像やヘッダー・フッターの内容は対象外です。

長い文書でも料金は変わりませんか？

変わりません。文書の長さに関わらず1文書$0.055です。

渡した文書の内容はどこかに残りますか？

残りません。テキストを抽出するためだけに使い、結果を受け渡した後は削除されます。

現時点で利用できますか？

できません。現在は準備段階にあり実行を受け付けていませんが、料金はすでに確定・公開しています。

開発者向け — APIアクセス

このページの機能はすべてAPIからも利用できます。自社システムに組み込みたいチーム向けのセクションです。それ以外の方は上のツールをそのままお使いください。

エンドポイント

POSThttps://api.kit.forhosting.com/doc/docx-to-text

Bearerトークンで認証し、POST1回でタスクをキューに登録します。結果はWebhookまたは署名付きリンクで受け取れます。

お使いのスタックから呼び出す

curl -X POST https://api.kit.forhosting.com/doc/docx-to-text \
  -H "Authorization: Bearer $KIT_KEY" \
  -H "Content-Type: application/json" \
  -d &#39;{"input":"…"}'

const res = await fetch("https://api.kit.forhosting.com/doc/docx-to-text", {
  method: "POST",
  headers: {
    "Authorization": `Bearer ${process.env.KIT_KEY}`,
    "Content-Type": "application/json"
  },
  body: JSON.stringify({
    "input": "…"
  })
});
const { task_id } = await res.json();

import os, requests

res = requests.post(
    "https://api.kit.forhosting.com/doc/docx-to-text",
    headers={"Authorization": f"Bearer {os.environ[&#39;KIT_KEY']}"},
    json={
    "input": "…"
},
)
task_id = res.json()["task_id"]

<?php
$res = file_get_contents("https://api.kit.forhosting.com/doc/docx-to-text", false, stream_context_create([
  "http" => [
    "method"  => "POST",
    "header"  => "Authorization: Bearer " . getenv("KIT_KEY") . "\r\nContent-Type: application/json",
    "content" => &#39;{"input":"…"}',
  ],
]));
$task = json_decode($res, true);

body := bytes.NewBufferString(`{"input":"…"}`)
req, _ := http.NewRequest("POST", "https://api.kit.forhosting.com/doc/docx-to-text", body)
req.Header.Set("Authorization", "Bearer "+os.Getenv("KIT_KEY"))
req.Header.Set("Content-Type", "application/json")
res, _ := http.DefaultClient.Do(req)

リクエスト例

{
  "input": "…"
}

レスポンス例

{
  "task_id": "tsk_a1b2c3d4e5f6a1b2c3d4e5f6",
  "type": "doc.docx_to_text",
  "status": "queued",
  "_links": {
    "result": "/tasks/tsk_…/result"
  }
}

非同期APIです。task_idは即時に返ります。ポーリングは1秒あたり1リクエストまでです。

料金

1リクエストあたり$0.052

文書あたり$0.003

単価はすべて公開しています。トークン換算や独自クレジットはありません。失敗したタスクは課金されません。

制限

`max_mb`	25
`max_pages`	200

エラー

HTTP	コード	意味
`401`	`unauthorized`	APIキーが無効か、指定されていません。Authorizationヘッダーを確認してください。
`402`	`insufficient_balance`	残高が不足しています。チャージ後に再度お試しください。
`404`	`unknown_type`	指定されたタスクタイプは存在しません。タイプ名を確認してください。
`429`	`rate_limited`	リクエストが多すぎます。しばらく待ってから再度お試しください。

KITの完全なドキュメントを見る →