Kimi自动从PDF提取数据到数据库操作指南

几十份PDF合同，需要把甲方名称、签约日期、金额这三项关键信息快速导入MySQL数据库。手动复制粘贴？不仅效率低、容易出错，还可能出现漏行的情况。那么，如何用Kimi来自动完成这个任务？下面拆解具体步骤。

先解决一个基础问题：你手上的PDF，到底能不能直接解析？

确认PDF是否为可复制文本格式

怎么判断呢？很简单。打开PDF文件，试着用鼠标拖选任意一段文字。如果能高亮选中并且复制成功，说明这是文本型PDF，可以直接用Kimi提取。反之，如果文字无法选中，或者复制出来是一堆乱码，那它就是扫描图片型的PDF——必须先过OCR这一关。

目前，Kimi只支持文本型PDF的解析。如果把图片型PDF直接上传，得到的字段提取结果会全部为空。这一点必须警惕。

还有一种更保险的判断方法：用Adobe Acrobat或WPS打开PDF，进入“文件”→“属性”，查看“字体”列表。如果能看到具体的字体名称，比如SimSun、Arial，那说明是文本型。如果显示的是“Type 3”或者干脆是空白，那大概率就是图象型PDF了。

在Kimi中上传并结构化提取字段

确认PDF是文本型之后，就可以开始提取了。这里有两种操作方式。

方法一：使用Kimi网页版“文件对话”功能

进入kimi.moonshot.cn，点击左下角的“+”号，选择“上传文件”，然后上传单个PDF（目前不支持批量上传）。等待大约10到40秒的解析时间。解析完成后，在对话框里输入以下指令：

“请严格按以下JSON格式输出：{"甲方名称": "", "签约日期": "", "金额": ""}。只输出JSON，不要解释、不要换行、不要省略字段。”

注意，指令一定要明确——限定输出为无换行的纯JSON字符串。否则后续数据库导入会因多余的换行符报错。

方法二：调用Kimi API（需开通企业API权限）

如果你的数据量较大或者需要集成到自动化流程中，可以考虑使用API。构造POST请求，在body中包含file_base64和prompt模板。同样需要注意，prompt中必须明确限定输出格式为无换行的纯JSON字符串。

将Kimi输出的JSON写入MySQL

拿到Kimi返回的JSON字符串之后，接下来就是把它写入MySQL数据库了。整个过程可以分为三步。

第一步：准备临时表

在MySQL中先创建一张临时表，用来存放原始JSON数据。执行如下语句：

CREATE TEMPORARY TABLE pdf_temp (id INT AUTO_INCREMENT PRIMARY KEY, content JSON);

第二步：插入Kimi返回的原始JSON字符串

直接用INSERT语句把Kimi返回的JSON字符串插入到临时表中。例如：

INSERT INTO pdf_temp (content) VALUES ('{"甲方名称":"北京某某科技有限公司","签约日期":"2024-03-15","金额":"¥1,280,000.00"}');

如果数据量大，用Python脚本批量执行会更高效。

第三步：从JSON字段拆解为结构化列

这一步是把JSON中的字段提取出来，转换成结构化的表数据。核心操作是利用MySQL的JSON函数。执行如下查询：

SELECT
JSON_UNQUOTE(JSON_EXTRACT(content, '$."甲方名称"')) AS party_a,
JSON_UNQUOTE(JSON_EXTRACT(content, '$."签约日期"')) AS sign_date,
REPLACE(JSON_UNQUOTE(JSON_EXTRACT(content, '$."金额"')), '¥', '') AS amount
FROM pdf_temp;

这里有一个细节需要特别注意：金额字段本身带着千分位逗号和¥符号。如果直接转成DECIMAL类型，必然会失败。所以，必须先通过REPLACE函数清理掉这些非数字字符，然后再用CAST进行类型转换。这才是保证数据准确入库的关键所在。

完成这三步，几十份PDF的合同信息就能快速、准确地导入数据库了。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：Kimi自动从PDF提取数据到数据库操作指南要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题