PDF 转 HTML API：文本型 PDF、20 MiB 限制与 HTML 下载

咕咕数据 PDF 转 HTML API 将含可提取文字的未加密 PDF 转成可浏览的 HTML。默认返回 HTML 文件地址，也可以选择私有文件交付。扫描型 PDF 的文字提取应使用支持 OCR 的接口。

请求与参数

请求方法为 POST，示例使用 AppKey 请求头。替换本地占位凭据后再执行。

字段	类型	必填	说明
file	multipart 文件	是	单个含可提取文字的未加密 PDF
storage	表单或查询字符串	否	public 为默认值，private 返回文件引用

curl -fsS 'https://api.gugudata.com/imagerecognition/pdf2html' \
  -H 'AppKey: YOUR_APPKEY' \
  -F 'file=@./source.pdf' \
  -F 'storage=private'

每次上传一个 PDF，最多 20 MiB、100 页。对页面文字可选中的样本，先用公开 Demo 核对返回结构，再用自己的 PDF 检查输出页面的顺序与可读性。

响应与公开样例

先检查 HTTP 请求是否成功，再读取业务状态 DataStatus.StatusCode。业务码 100 时按下表读取结果。

字段	类型	用途
Data	字符串	public 模式的 HTML 文件 URL
Data.file_id	字符串	private 模式的文件标识
Data.content_type	字符串	private 模式的文件内容类型

下方是 2026 年 11 月 11 日公开 Demo 的响应节选，可直接请求样例核对实际结果。

curl -fsS 'https://api.gugudata.com/imagerecognition/pdf2html/demo'

{
  "DataStatus": {
    "StatusCode": 100,
    "DataTotalCount": 1
  },
  "Data": "https://api.gugudata.com/assets/demos/pdf2html/v1/result.html"
}

接入验收

场景	核对内容
输入类型	文本型 PDF 适合这个接口。图片扫描件先确认是否需要 OCR。
页面结构	逐页检查栏序、复杂表格及字体位置。
受控访问	内部报告使用 private，凭文件标识申请临时下载地址。

完整参数、返回结构与接口说明见咕咕数据官方 API 文档。