メインコンテンツへスキップ
Firecrawl は強力なドキュメント解析機能を備えており、さまざまなドキュメントフォーマットから構造化コンテンツを抽出できます。この機能は、スプレッドシートや Word 文書などのファイルを処理する際に特に有用です。

​
サポートされているドキュメントフォーマット

Firecrawl は現在、以下のドキュメントフォーマットをサポートしています：
  • Excel スプレッドシート（.xlsx, .xls）
    • 各ワークシートを HTML テーブルに変換します
    • ワークシートはシート名の H2 見出しで区切られます
    • セルの書式とデータ型を保持します
  • Word ドキュメント（.docx, .doc, .odt, .rtf）
    • ドキュメント構造を保ちながらテキストコンテンツを抽出します
    • 見出し、段落、リスト、表を保持します
    • 基本的な書式とスタイルを保持します
  • PDF ドキュメント（.pdf）
    • レイアウト情報とともにテキストコンテンツを抽出します
    • セクションや段落を含むドキュメント構造を保持します
    • テキストベースおよびスキャン PDF の両方に対応します（OCR 対応）
    • 解析方法を制御するための mode オプションをサポートします：fast（テキストのみ）、auto（必要に応じて OCR を行うテキスト、デフォルト）、ocr（OCR のみを使用）
    • 料金は1ページあたり1クレジットです。詳細は Pricing を参照してください。

​
PDF 解析モード

PDF の処理方法を制御するには、parsers オプションを使用します:
ModeDescription
autoまず高速なテキストベースの抽出を試行し、必要に応じて OCR にフォールバックします。これがデフォルトです。
fastテキストベースの解析のみ（埋め込みテキスト）。最速のオプションですが、スキャンされたページや画像が多いページからはテキストを抽出しません。
ocrすべてのページで OCR による解析を強制します。スキャンされたドキュメントや、auto がページを誤って判定してしまう場合に使用します。
// モード指定のオブジェクト構文
parsers: [{ type: "pdf", mode: "ocr", maxPages: 20 }]

// デフォルト（autoモード）
parsers: [{ type: "pdf" }]

​
ドキュメント解析の使い方

Firecrawl のドキュメント解析は、サポート対象のドキュメントタイプを指す URL を指定すると自動的に実行されます。システムは、URL の拡張子または Content-Type ヘッダーに基づいてファイルタイプを検出し、適切に処理します。

​
例: Excel ファイルのスクレイピング

Node
import Firecrawl from '@mendable/firecrawl-js';

const firecrawl = new Firecrawl({ apiKey: "fc-YOUR-API-KEY" });

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

console.log(doc.markdown);

​
例：Word ドキュメントのスクレイピング

Node
import Firecrawl from '@mendable/firecrawl-js';

const firecrawl = new Firecrawl({ apiKey: "fc-YOUR-API-KEY" });

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

console.log(doc.markdown);

​
出力形式

サポートされているすべてのドキュメントタイプは、クリーンで構造化されたMarkdownに変換されます。たとえば、複数のシートを持つ Excel ファイルは、次のように変換されることがあります。 
## Sheet1

| Name  | Value |
|-------|-------|
| Item 1 | 100   |
| Item 2 | 200   |

## Sheet2

| Date       | Description  |
|------------|--------------|
| 2023-01-01 | First quarter|