Análisis de documentos

Firecrawl ofrece potentes capacidades de análisis de documentos que te permiten extraer contenido estructurado de diversos formatos. Esta función es especialmente útil para procesar archivos como hojas de cálculo, documentos de Word y más.

Formatos de documentos compatibles

Firecrawl actualmente admite los siguientes formatos de documentos:

Hojas de cálculo de Excel (.xlsx, .xls, .xlsm, .xlsb, .ods)
- Cada hoja de cálculo se convierte en una tabla
- Las hojas se separan con encabezados H2 con el nombre de la hoja
- Conserva el formato de las celdas y los tipos de datos
Documentos de Word (.docx, .doc, .docm, .odt, .rtf)
- Extrae el contenido de texto preservando la estructura del documento
- Mantiene encabezados, párrafos, listas y tablas
- Conserva el formato y el estilo básicos
Presentaciones de PowerPoint (.pptx, .ppt, .pptm, .odp)
- Extrae el contenido de las diapositivas en orden de lectura
- Incluye notas del presentador
Libros electrónicos EPUB (.epub)
- Extrae el contenido de los capítulos preservando la estructura del documento
Archivos CSV (.csv)
- Se convierte en una tabla
Documentos PDF (.pdf)
- Extrae el contenido de texto con información de diseño
- Conserva la estructura del documento, incluidas secciones y párrafos
- Procesa tanto PDFs basados en texto como escaneados (con OCR)
- Markdown opcional por página y bloques de diseño tipados con cuadros delimitadores
- Precio de 1 crédito por página. Consulta la tarifa para más detalles.
- Consulta las opciones de PDF para obtener la referencia completa: modos de procesamiento, límites de páginas, markdown por página y bloques de diseño.

Cómo usar Análisis de documentos

El análisis de documentos en Firecrawl funciona de dos formas:

Análisis basado en URL (/v2/scrape): proporciona una URL que apunte a un tipo de documento compatible.
Análisis mediante carga de archivos (/v2/parse): carga directamente los bytes del archivo con multipart/form-data.

Para el análisis basado en URL, Firecrawl detecta automáticamente el tipo de archivo a partir de la extensión o del tipo de contenido.

Subir documentos con `/v2/parse`

Usa /v2/parse cuando el documento de origen sea local o no sea accesible públicamente a través de una 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 app = new Firecrawl({ apiKey: "fc-YOUR-API-KEY" });

const doc = await app.parse(
  {
    data: "<html><body><h1>Upload Parse</h1></body></html>",
    filename: "upload.html",
    contentType: "text/html",
  },
  { formats: ["markdown"] },
);

console.log(doc.markdown);

from firecrawl import Firecrawl
from firecrawl.v2.types import ScrapeOptions

app = Firecrawl(api_key="fc-YOUR-API-KEY")
doc = app.parse(
    b"<!DOCTYPE html><html><body><h1>Upload Parse</h1></body></html>",
    filename="upload.html",
    content_type="text/html",
    options=ScrapeOptions(formats=["markdown"]),
)
print(doc.markdown)

Ejemplo: Raspado de un archivo de Excel

Node

import { Firecrawl } from 'firecrawl';

const firecrawl = new Firecrawl({
  // No se necesita API key para comenzar — añade una para límites de tasa más altos:
  // apiKey: "fc-TU-CLAVE-API",
});

const doc = await firecrawl.scrape('https://example.com/data.xlsx');

console.log(doc.markdown);

Ejemplo: extracción de un documento de Word

Node

import { Firecrawl } from 'firecrawl';

const firecrawl = new Firecrawl({
  // No se necesita API key para comenzar — añade una para límites de tasa más altos:
  // apiKey: "fc-TU-CLAVE-API",
});

const doc = await firecrawl.scrape('https://example.com/data.docx');

console.log(doc.markdown);

Formato de salida

Todos los tipos de documentos compatibles se convierten en Markdown limpio y estructurado. Por ejemplo, un archivo de Excel con varias hojas podría convertirse en:

## Hoja1

| Nombre | Valor |
|--------|-------|
| Elemento 1 | 100   |
| Elemento 2 | 200   |

## Hoja2

| Fecha      | Descripción  |
|------------|--------------|
| 2023-01-01 | Primer trimestre|

¿Eres un agente de IA que necesita una clave de API de Firecrawl? Consulta firecrawl.dev/agent-onboarding/SKILL.md para ver las instrucciones de incorporación automática.

Primeros pasos

Endpoints principales

Más

Inicios rápidos

Guías para desarrolladores

Webhooks

Casos de uso

Otros

Contribuciones

Análisis de documentos

Formatos de documentos compatibles

Cómo usar Análisis de documentos

Subir documentos con `/v2/parse`

Ejemplo: Raspado de un archivo de Excel

Ejemplo: extracción de un documento de Word

Formato de salida

​Formatos de documentos compatibles

​Cómo usar Análisis de documentos

​Subir documentos con /v2/parse

​Ejemplo: Raspado de un archivo de Excel

​Ejemplo: extracción de un documento de Word

​Formato de salida

Formatos de documentos compatibles

Cómo usar Análisis de documentos

Subir documentos con `/v2/parse`

Ejemplo: Raspado de un archivo de Excel

Ejemplo: extracción de un documento de Word

Formato de salida