使用场景
企业使用Extractous从客户提交的PDF和Word文档中提取关键信息，以自动化数据录入和分析流程。
数据科学家使用Extractous处理大量的非结构化文本数据，以进行机器学习模型训练。
开发者将Extractous集成到他们的应用程序中，提供文档内容提取和OCR功能，增强用户体验。
产品特色
高性能非结构化数据提取，优化速度和低内存使用
清晰简单的API，用于提取文本和元数据内容
自动识别文档类型并相应提取内容
支持多种文件格式，包括PDF、Word、Excel、HTML等
通过tesseract-ocr技术提取图像和扫描文档中的文本
核心引擎用Rust编写，提供Python绑定，未来将支持JavaScript/TypeScript
详细的文档和示例，帮助用户快速高效地开始使用
免费商用，遵循Apache 2.0许可
使用教程
1. 安装Extractous库，可以通过pip安装Python绑定：pip install extractous
2. 导入Extractor类：from extractous import Extractor
3. 创建Extractor实例，并设置需要的配置，例如OCR语言：extractor = Extractor().set_ocr_config(TesseractOcrConfig().set_language('eng'))
4. 使用Extractor提取文件内容：result, metadata = extractor.extract_file_to_string('example.pdf')
5. 打印或处理提取结果：print(result)
6. 查看提取的元数据：print(metadata)
7. 对于需要OCR的文档，确保已安装Tesseract-OCR，并配置正确的语言包。
