Messages處理檔案

PDF 支援

使用 Claude 處理 PDF：從您的文件中提取文字、分析圖表並理解視覺內容。

關於「zero data retention」（零資料保留），即 ZDR 如何適用於此功能，請參閱 API 與資料保留。

您可以向 Claude 詢問您提供的 PDF 中的任何文字、圖片、圖表和表格。一些範例使用案例：

分析財務報告並理解圖表/表格
從法律文件中提取關鍵資訊
協助文件翻譯
將文件資訊轉換為結構化格式

開始之前

檢查 PDF 要求

Claude 可以處理任何標準 PDF。請確保您的請求大小符合以下要求：

要求	限制
最大請求大小	32 MB（因平台而異）
每個請求的最大頁數	600（當請求的上下文視窗低於 1M tokens 時為 100）
格式	標準 PDF（無密碼/加密）

這兩個限制都是針對整個請求負載，包括與 PDF 一起發送的任何其他內容。對於大型 PDF，請考慮使用 Files API 上傳並透過 file_id 引用，以保持請求負載較小。

密集的 PDF（許多小字體頁面、複雜表格或大量圖形）可能在達到頁數限制之前就填滿上下文視窗。即使使用 Files API，包含大型 PDF 的請求也可能在達到頁數限制之前失敗。請嘗試將文件分割成多個部分；對於大型檔案，由於每一頁都會被處理為圖像，對嵌入的圖像進行降採樣也會有所幫助。

由於 PDF 支援依賴於 Claude 的視覺能力，因此它與其他視覺任務一樣受到相同的限制和考量。

支援的平台和模型

PDF 支援可在 Claude API、Amazon Bedrock（請參閱 Amazon Bedrock PDF 支援）、Claude Platform on AWS、Google Cloud 和 Microsoft Foundry 上使用。所有現行模型都支援 PDF 處理。

Amazon Bedrock PDF 支援

當透過 Converse API（Claude on Amazon Bedrock（Opus 4.6 及更早版本）的一部分）使用 PDF 支援時，有兩種不同的文件處理模式：

重要： 若要在 Converse API 中存取 Claude 完整的視覺 PDF 理解能力，您必須啟用引用（citations）。如果未啟用引用，API 將回退到僅進行基本文字提取。深入了解使用引用。

文件處理模式

Converse Document Chat（原始模式 - 僅文字提取）
- 提供 PDF 的基本文字提取
- 無法分析 PDF 中的圖像、圖表或視覺版面配置
- 3 頁的 PDF 大約使用 1,000 個 tokens
- 未啟用引用時自動使用
Claude PDF Chat（新模式 - 完整視覺理解）
- 提供 PDF 的完整視覺分析
- 可以理解和分析圖表、圖形、圖像和視覺版面配置
- 將每一頁同時處理為文字和圖像以進行全面理解
- 3 頁的 PDF 大約使用 7,000 個 tokens
- 需要在 Converse API 中啟用引用

主要限制

Converse API： 視覺 PDF 分析需要啟用引用。目前沒有在不使用引用的情況下使用視覺分析的選項（與 InvokeModel API 不同）。
InvokeModel API： 提供對 PDF 處理的完全控制，無需強制引用。

常見問題

如果在使用 Converse API 時 Claude 無法看到您 PDF 中的圖像或圖表，您可能需要啟用引用標誌。如果沒有它，Converse 將回退到僅進行基本文字提取。

這是 Converse API 的已知限制。對於需要在不使用引用的情況下進行視覺 PDF 分析的應用程式，請考慮改用 InvokeModel API。

純文字檔案（如 .txt、.csv 或 .md）可以直接在 document 區塊中使用：使用 MIME 類型 text/plain 將它們上傳到 Files API，並透過 file_id 引用。二進位格式（如 .xlsx 或 .docx）不支援在 document 區塊中使用，必須先轉換為文字或 PDF。請參閱使用其他檔案格式。

使用 Claude 處理 PDF

發送您的第一個 PDF 請求

從使用 Messages API 的簡單範例開始。您可以透過三種方式向 Claude 提供 PDF：

作為線上託管 PDF 的 URL 引用
作為 document 內容區塊中的 base64 編碼 PDF
透過來自 Files API 的 file_id

在 Amazon Bedrock 和 Google Cloud 上，目前僅提供 base64 編碼的來源。在 Microsoft Foundry 上，託管於 Azure 的部署不支援 Files API。

選項 1：基於 URL 的 PDF 文件

最簡單的方法是直接從 URL 引用 PDF：

client = anthropic.Anthropic()
message = client.messages.create(
    model="claude-opus-5",
    max_tokens=1024,
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "document",
                    "source": {
                        "type": "url",
                        "url": "https://assets.anthropic.com/m/1cd9d098ac3e6467/original/Claude-3-Model-Card-October-Addendum.pdf",
                    },
                },
                {"type": "text", "text": "What are the key findings in this document?"},
            ],
        }
    ],
)

print(message.content)

回應會在 content 中以文字區塊的形式返回 Claude 的分析，並在 usage 中顯示 token 消耗量：

Output

{
  "id": "msg_01Hfp8YuFjQ55VgWbpdHDehB",
  "type": "message",
  "role": "assistant",
  "model": "claude-opus-5",
  "content": [
    {
      "type": "text",
      "text": "This document is an addendum to the Claude 3 model card, reporting updated evaluation results. The key findings include..."
    }
  ],
  "stop_reason": "end_turn",
  "usage": {
    "input_tokens": 45000,
    "output_tokens": 300
  }
}

選項 2：Base64 編碼的 PDF 文件

如果您需要從本機系統發送 PDF，或在沒有 URL 可用時：

import base64
import httpx

# 首先，載入並編碼 PDF
pdf_url = "https://assets.anthropic.com/m/1cd9d098ac3e6467/original/Claude-3-Model-Card-October-Addendum.pdf"
pdf_data = base64.standard_b64encode(
    httpx.get(pdf_url, follow_redirects=True).content
).decode("utf-8")

# 替代方式：從本機檔案載入
# with open("document.pdf", "rb") as f:
#     pdf_data = base64.standard_b64encode(f.read()).decode("utf-8")

# 使用 base64 編碼傳送給 Claude
client = anthropic.Anthropic()
message = client.messages.create(
    model="claude-opus-5",
    max_tokens=1024,
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "document",
                    "source": {
                        "type": "base64",
                        "media_type": "application/pdf",
                        "data": pdf_data,
                    },
                },
                {"type": "text", "text": "What are the key findings in this document?"},
            ],
        }
    ],
)

print(message.content)

選項 3：Files API

對於您會重複使用的 PDF，或當您想避免編碼開銷時，請使用 Files API（beta）：

client = anthropic.Anthropic()

# 上傳 PDF 檔案
with open("/path/to/document.pdf", "rb") as f:
    file_upload = client.beta.files.upload(file=("document.pdf", f, "application/pdf"))

# 在訊息中使用已上傳的檔案
message = client.beta.messages.create(
    model="claude-opus-5",
    max_tokens=1024,
    betas=["files-api-2025-04-14"],
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "document",
                    "source": {"type": "file", "file_id": file_upload.id},
                },
                {"type": "text", "text": "What are the key findings in this document?"},
            ],
        }
    ],
)

print(message.content)

PDF 支援的運作方式

當您向 Claude 發送 PDF 時，會發生以下步驟：

系統提取文件的內容。
- 系統將文件的每一頁轉換為圖像。
- 從每一頁提取的文字會與每一頁的圖像一起提供。
Claude 分析文字和圖像以更好地理解文件。
- 文件以文字和圖像的組合形式提供以進行分析。
- 這讓使用者可以詢問有關 PDF 視覺元素的見解，例如圖表、示意圖和其他非文字內容。
Claude 回應，並在相關時引用 PDF 的內容。
Claude 在回應時可以引用文字和視覺內容。您可以透過將 PDF 支援與以下功能整合來進一步提升效能：
- 使用提示快取：提升重複分析的效能。
- 處理文件批次：用於大量文件處理。
- 工具使用：從文件中提取特定資訊以用作工具輸入。

估算您的成本

PDF 檔案的 token 數量取決於從文件中提取的總文字量和頁數：

文字 token 成本：每頁通常使用 1,500–3,000 個 tokens，取決於內容密度。適用標準 API 定價，無額外 PDF 費用。
圖像 token 成本：由於每一頁都會轉換為圖像，因此適用相同的基於圖像的成本計算。

您可以使用 token 計數來估算您特定 PDF 的成本。

最佳化 PDF 處理

提升效能

遵循以下最佳實務以獲得最佳結果：

在請求中將 PDF 放在文字之前
使用標準字型
確保文字清晰易讀
將頁面旋轉至正確的直立方向
在提示中使用邏輯頁碼（來自 PDF 檢視器）
需要時將大型 PDF 分割成多個區塊
為重複分析啟用提示快取

擴展您的實作

對於大量處理，請考慮以下方法：

使用提示快取

使用提示快取快取 PDF，以提升重複查詢的效能：

import base64
import httpx

# 首先，載入並編碼 PDF
pdf_url = "https://assets.anthropic.com/m/1cd9d098ac3e6467/original/Claude-3-Model-Card-October-Addendum.pdf"
pdf_data = base64.standard_b64encode(
    httpx.get(pdf_url, follow_redirects=True).content
).decode("utf-8")

# 使用已快取的文件建立訊息
client = anthropic.Anthropic()
message = client.messages.create(
    model="claude-opus-5",
    max_tokens=1024,
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "document",
                    "source": {
                        "type": "base64",
                        "media_type": "application/pdf",
                        "data": pdf_data,
                    },
                    "cache_control": {"type": "ephemeral"},
                },
                {
                    "type": "text",
                    "text": "Which model has the highest human preference win rates across each use-case?",
                },
            ],
        }
    ],
)

print(message.content)

處理文件批次

使用 Message Batches API 在一個請求中處理多個 PDF：

import base64
import httpx

# 首先，載入並編碼 PDF
pdf_url = "https://assets.anthropic.com/m/1cd9d098ac3e6467/original/Claude-3-Model-Card-October-Addendum.pdf"
pdf_data = base64.standard_b64encode(
    httpx.get(pdf_url, follow_redirects=True).content
).decode("utf-8")

# 建立一批使用該文件的請求
client = anthropic.Anthropic()
message_batch = client.messages.batches.create(
    requests=[
        {
            "custom_id": "my-first-request",
            "params": {
                "model": "claude-opus-5",
                "max_tokens": 1024,
                "messages": [
                    {
                        "role": "user",
                        "content": [
                            {
                                "type": "document",
                                "source": {
                                    "type": "base64",
                                    "media_type": "application/pdf",
                                    "data": pdf_data,
                                },
                            },
                            {
                                "type": "text",
                                "text": "Which model has the highest human preference win rates across each use-case?",
                            },
                        ],
                    }
                ],
            },
        },
        {
            "custom_id": "my-second-request",
            "params": {
                "model": "claude-opus-5",
                "max_tokens": 1024,
                "messages": [
                    {
                        "role": "user",
                        "content": [
                            {
                                "type": "document",
                                "source": {
                                    "type": "base64",
                                    "media_type": "application/pdf",
                                    "data": pdf_data,
                                },
                            },
                            {
                                "type": "text",
                                "text": "Extract 5 key insights from this document.",
                            },
                        ],
                    }
                ],
            },
        },
    ]
)

print(message_batch)

批次以非同步方式處理。若要檢查進度並在處理結束後取得結果，請參閱批次處理。

後續步驟

視覺

Claude 的視覺能力使其能夠理解和分析圖像，為多模態互動開啟令人興奮的可能性。

嘗試 PDF 範例

在 Claude Cookbook 範例中探索 PDF 處理的實用範例。

檢視 API 參考

查看 PDF 支援的完整 API 文件。

Was this page helpful?

Messages處理檔案

PDF 支援

使用 Claude 處理 PDF：從您的文件中提取文字、分析圖表並理解視覺內容。

關於「zero data retention」（零資料保留），即 ZDR 如何適用於此功能，請參閱 API 與資料保留。

您可以向 Claude 詢問您提供的 PDF 中的任何文字、圖片、圖表和表格。一些範例使用案例：

分析財務報告並理解圖表/表格
從法律文件中提取關鍵資訊
協助文件翻譯
將文件資訊轉換為結構化格式

開始之前

檢查 PDF 要求

Claude 可以處理任何標準 PDF。請確保您的請求大小符合以下要求：

要求	限制
最大請求大小	32 MB（因平台而異）
每個請求的最大頁數	600（當請求的上下文視窗低於 1M tokens 時為 100）
格式	標準 PDF（無密碼/加密）

由於 PDF 支援依賴於 Claude 的視覺能力，因此它與其他視覺任務一樣受到相同的限制和考量。

支援的平台和模型

Amazon Bedrock PDF 支援

當透過 Converse API（Claude on Amazon Bedrock（Opus 4.6 及更早版本）的一部分）使用 PDF 支援時，有兩種不同的文件處理模式：

文件處理模式

Converse Document Chat（原始模式 - 僅文字提取）
- 提供 PDF 的基本文字提取
- 無法分析 PDF 中的圖像、圖表或視覺版面配置
- 3 頁的 PDF 大約使用 1,000 個 tokens
- 未啟用引用時自動使用
Claude PDF Chat（新模式 - 完整視覺理解）
- 提供 PDF 的完整視覺分析
- 可以理解和分析圖表、圖形、圖像和視覺版面配置
- 將每一頁同時處理為文字和圖像以進行全面理解
- 3 頁的 PDF 大約使用 7,000 個 tokens
- 需要在 Converse API 中啟用引用

主要限制

Converse API： 視覺 PDF 分析需要啟用引用。目前沒有在不使用引用的情況下使用視覺分析的選項（與 InvokeModel API 不同）。
InvokeModel API： 提供對 PDF 處理的完全控制，無需強制引用。

常見問題

如果在使用 Converse API 時 Claude 無法看到您 PDF 中的圖像或圖表，您可能需要啟用引用標誌。如果沒有它，Converse 將回退到僅進行基本文字提取。

這是 Converse API 的已知限制。對於需要在不使用引用的情況下進行視覺 PDF 分析的應用程式，請考慮改用 InvokeModel API。

使用 Claude 處理 PDF

發送您的第一個 PDF 請求

從使用 Messages API 的簡單範例開始。您可以透過三種方式向 Claude 提供 PDF：

作為線上託管 PDF 的 URL 引用
作為 document 內容區塊中的 base64 編碼 PDF
透過來自 Files API 的 file_id

在 Amazon Bedrock 和 Google Cloud 上，目前僅提供 base64 編碼的來源。在 Microsoft Foundry 上，託管於 Azure 的部署不支援 Files API。

選項 1：基於 URL 的 PDF 文件

最簡單的方法是直接從 URL 引用 PDF：

client = anthropic.Anthropic()
message = client.messages.create(
    model="claude-opus-5",
    max_tokens=1024,
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "document",
                    "source": {
                        "type": "url",
                        "url": "https://assets.anthropic.com/m/1cd9d098ac3e6467/original/Claude-3-Model-Card-October-Addendum.pdf",
                    },
                },
                {"type": "text", "text": "What are the key findings in this document?"},
            ],
        }
    ],
)

print(message.content)

回應會在 content 中以文字區塊的形式返回 Claude 的分析，並在 usage 中顯示 token 消耗量：

Output

{
  "id": "msg_01Hfp8YuFjQ55VgWbpdHDehB",
  "type": "message",
  "role": "assistant",
  "model": "claude-opus-5",
  "content": [
    {
      "type": "text",
      "text": "This document is an addendum to the Claude 3 model card, reporting updated evaluation results. The key findings include..."
    }
  ],
  "stop_reason": "end_turn",
  "usage": {
    "input_tokens": 45000,
    "output_tokens": 300
  }
}

選項 2：Base64 編碼的 PDF 文件

如果您需要從本機系統發送 PDF，或在沒有 URL 可用時：

import base64
import httpx

# 首先，載入並編碼 PDF
pdf_url = "https://assets.anthropic.com/m/1cd9d098ac3e6467/original/Claude-3-Model-Card-October-Addendum.pdf"
pdf_data = base64.standard_b64encode(
    httpx.get(pdf_url, follow_redirects=True).content
).decode("utf-8")

# 替代方式：從本機檔案載入
# with open("document.pdf", "rb") as f:
#     pdf_data = base64.standard_b64encode(f.read()).decode("utf-8")

# 使用 base64 編碼傳送給 Claude
client = anthropic.Anthropic()
message = client.messages.create(
    model="claude-opus-5",
    max_tokens=1024,
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "document",
                    "source": {
                        "type": "base64",
                        "media_type": "application/pdf",
                        "data": pdf_data,
                    },
                },
                {"type": "text", "text": "What are the key findings in this document?"},
            ],
        }
    ],
)

print(message.content)

選項 3：Files API

對於您會重複使用的 PDF，或當您想避免編碼開銷時，請使用 Files API（beta）：

client = anthropic.Anthropic()

# 上傳 PDF 檔案
with open("/path/to/document.pdf", "rb") as f:
    file_upload = client.beta.files.upload(file=("document.pdf", f, "application/pdf"))

# 在訊息中使用已上傳的檔案
message = client.beta.messages.create(
    model="claude-opus-5",
    max_tokens=1024,
    betas=["files-api-2025-04-14"],
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "document",
                    "source": {"type": "file", "file_id": file_upload.id},
                },
                {"type": "text", "text": "What are the key findings in this document?"},
            ],
        }
    ],
)

print(message.content)

PDF 支援的運作方式

當您向 Claude 發送 PDF 時，會發生以下步驟：

系統提取文件的內容。
- 系統將文件的每一頁轉換為圖像。
- 從每一頁提取的文字會與每一頁的圖像一起提供。
Claude 分析文字和圖像以更好地理解文件。
- 文件以文字和圖像的組合形式提供以進行分析。
- 這讓使用者可以詢問有關 PDF 視覺元素的見解，例如圖表、示意圖和其他非文字內容。
Claude 回應，並在相關時引用 PDF 的內容。
Claude 在回應時可以引用文字和視覺內容。您可以透過將 PDF 支援與以下功能整合來進一步提升效能：
- 使用提示快取：提升重複分析的效能。
- 處理文件批次：用於大量文件處理。
- 工具使用：從文件中提取特定資訊以用作工具輸入。

估算您的成本

PDF 檔案的 token 數量取決於從文件中提取的總文字量和頁數：

文字 token 成本：每頁通常使用 1,500–3,000 個 tokens，取決於內容密度。適用標準 API 定價，無額外 PDF 費用。
圖像 token 成本：由於每一頁都會轉換為圖像，因此適用相同的基於圖像的成本計算。

您可以使用 token 計數來估算您特定 PDF 的成本。

最佳化 PDF 處理

提升效能

遵循以下最佳實務以獲得最佳結果：

在請求中將 PDF 放在文字之前
使用標準字型
確保文字清晰易讀
將頁面旋轉至正確的直立方向
在提示中使用邏輯頁碼（來自 PDF 檢視器）
需要時將大型 PDF 分割成多個區塊
為重複分析啟用提示快取

擴展您的實作

對於大量處理，請考慮以下方法：

使用提示快取

使用提示快取快取 PDF，以提升重複查詢的效能：

import base64
import httpx

# 首先，載入並編碼 PDF
pdf_url = "https://assets.anthropic.com/m/1cd9d098ac3e6467/original/Claude-3-Model-Card-October-Addendum.pdf"
pdf_data = base64.standard_b64encode(
    httpx.get(pdf_url, follow_redirects=True).content
).decode("utf-8")

# 使用已快取的文件建立訊息
client = anthropic.Anthropic()
message = client.messages.create(
    model="claude-opus-5",
    max_tokens=1024,
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "document",
                    "source": {
                        "type": "base64",
                        "media_type": "application/pdf",
                        "data": pdf_data,
                    },
                    "cache_control": {"type": "ephemeral"},
                },
                {
                    "type": "text",
                    "text": "Which model has the highest human preference win rates across each use-case?",
                },
            ],
        }
    ],
)

print(message.content)

處理文件批次

使用 Message Batches API 在一個請求中處理多個 PDF：

import base64
import httpx

# 首先，載入並編碼 PDF
pdf_url = "https://assets.anthropic.com/m/1cd9d098ac3e6467/original/Claude-3-Model-Card-October-Addendum.pdf"
pdf_data = base64.standard_b64encode(
    httpx.get(pdf_url, follow_redirects=True).content
).decode("utf-8")

# 建立一批使用該文件的請求
client = anthropic.Anthropic()
message_batch = client.messages.batches.create(
    requests=[
        {
            "custom_id": "my-first-request",
            "params": {
                "model": "claude-opus-5",
                "max_tokens": 1024,
                "messages": [
                    {
                        "role": "user",
                        "content": [
                            {
                                "type": "document",
                                "source": {
                                    "type": "base64",
                                    "media_type": "application/pdf",
                                    "data": pdf_data,
                                },
                            },
                            {
                                "type": "text",
                                "text": "Which model has the highest human preference win rates across each use-case?",
                            },
                        ],
                    }
                ],
            },
        },
        {
            "custom_id": "my-second-request",
            "params": {
                "model": "claude-opus-5",
                "max_tokens": 1024,
                "messages": [
                    {
                        "role": "user",
                        "content": [
                            {
                                "type": "document",
                                "source": {
                                    "type": "base64",
                                    "media_type": "application/pdf",
                                    "data": pdf_data,
                                },
                            },
                            {
                                "type": "text",
                                "text": "Extract 5 key insights from this document.",
                            },
                        ],
                    }
                ],
            },
        },
    ]
)

print(message_batch)

批次以非同步方式處理。若要檢查進度並在處理結束後取得結果，請參閱批次處理。

後續步驟

視覺

Claude 的視覺能力使其能夠理解和分析圖像，為多模態互動開啟令人興奮的可能性。

嘗試 PDF 範例

在 Claude Cookbook 範例中探索 PDF 處理的實用範例。

檢視 API 參考

查看 PDF 支援的完整 API 文件。

Was this page helpful?

開始之前

檢查 PDF 要求

支援的平台和模型

Amazon Bedrock PDF 支援

文件處理模式

主要限制

常見問題

使用 Claude 處理 PDF

發送您的第一個 PDF 請求

選項 1：基於 URL 的 PDF 文件

選項 2：Base64 編碼的 PDF 文件

選項 3：Files API

PDF 支援的運作方式

估算您的成本

最佳化 PDF 處理

提升效能

擴展您的實作

使用提示快取

處理文件批次

後續步驟

開始之前

檢查 PDF 要求

支援的平台和模型

Amazon Bedrock PDF 支援

文件處理模式

主要限制

常見問題

使用 Claude 處理 PDF

發送您的第一個 PDF 請求

選項 1：基於 URL 的 PDF 文件

選項 2：Base64 編碼的 PDF 文件

選項 3：Files API

PDF 支援的運作方式

估算您的成本

最佳化 PDF 處理

提升效能

擴展您的實作

使用提示快取

處理文件批次

後續步驟

開始之前

檢查 PDF 要求

支援的平台和模型

Amazon Bedrock PDF 支援

文件處理模式

主要限制

常見問題

使用 Claude 處理 PDF

發送您的第一個 PDF 請求

選項 1：基於 URL 的 PDF 文件

選項 2：Base64 編碼的 PDF 文件

選項 3：Files API

PDF 支援的運作方式

估算您的成本

最佳化 PDF 處理

提升效能

擴展您的實作

使用提示快取

處理文件批次

後續步驟

開始之前

檢查 PDF 要求

支援的平台和模型

Amazon Bedrock PDF 支援

文件處理模式

主要限制

常見問題

使用 Claude 處理 PDF

發送您的第一個 PDF 請求

選項 1：基於 URL 的 PDF 文件

選項 2：Base64 編碼的 PDF 文件

選項 3：Files API

PDF 支援的運作方式

估算您的成本

最佳化 PDF 處理

提升效能

擴展您的實作

使用提示快取

處理文件批次

後續步驟