> For the complete documentation index, see [llms.txt](https://docs.rememberizer.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.rememberizer.ai/it/risorse-per-sviluppatori/api-docs/retrieve-document-contents.md).

# Recupera i contenuti dei documenti

{% openapi src="/files/TgprWtaxn0x1jf4BJIMN" path="/documents/{document\_id}/contents/" method="get" %}
[rememberizer\_openapi.yml](https://2549770777-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F57qWu8jBt3M3SWmz6Y83%2Fuploads%2Fgit-blob-4f45581f68048634d677b5e3d260a677eeb0242f%2Frememberizer_openapi.yml?alt=media\&token=7f673453-89b5-4d08-beab-3fb44863de41)
{% endopenapi %}

## Esempi di Richieste

{% tabs %}
{% tab title="cURL" %}

```bash
curl -X GET \
  "https://api.rememberizer.ai/api/v1/documents/12345/contents/?start_chunk=0&end_chunk=20" \
  -H "Authorization: Bearer YOUR_JWT_TOKEN"
```

{% hint style="info" %}
Sostituisci `YOUR_JWT_TOKEN` con il tuo token JWT effettivo e `12345` con un ID documento reale.
{% endhint %}
{% endtab %}

{% tab title="JavaScript" %}

```javascript
const getDocumentContents = async (documentId, startChunk = 0, endChunk = 20) => {
  const url = new URL(`https://api.rememberizer.ai/api/v1/documents/${documentId}/contents/`);
  url.searchParams.append('start_chunk', startChunk);
  url.searchParams.append('end_chunk', endChunk);
  
  const response = await fetch(url.toString(), {
    method: 'GET',
    headers: {
      'Authorization': 'Bearer YOUR_JWT_TOKEN'
    }
  });
  
  const data = await response.json();
  console.log(data);
  
  // Se ci sono più chunk, puoi recuperarli
  if (data.end_chunk < totalChunks) {
    // Recupera il prossimo insieme di chunk
    await getDocumentContents(documentId, data.end_chunk, data.end_chunk + 20);
  }
};

getDocumentContents(12345);
```

{% hint style="info" %}
Sostituisci `YOUR_JWT_TOKEN` con il tuo token JWT effettivo e `12345` con un ID documento reale.
{% endhint %}
{% endtab %}

{% tab title="Python" %}

```python
import requests

def get_document_contents(document_id, start_chunk=0, end_chunk=20):
    headers = {
        "Authorization": "Bearer YOUR_JWT_TOKEN"
    }
    
    params = {
        "start_chunk": start_chunk,
        "end_chunk": end_chunk
    }
    
    response = requests.get(
        f"https://api.rememberizer.ai/api/v1/documents/{document_id}/contents/",
        headers=headers,
        params=params
    )
    
    data = response.json()
    print(data)
    
    # Se ci sono più chunk, puoi recuperarli
    # Questo è un esempio semplice - potresti voler implementare un controllo di ricorsione adeguato
    if 'end_chunk' in data and data['end_chunk'] < total_chunks:
        get_document_contents(document_id, data['end_chunk'], data['end_chunk'] + 20)

get_document_contents(12345)
```

{% hint style="info" %}
Sostituisci `YOUR_JWT_TOKEN` con il tuo token JWT effettivo e `12345` con un ID documento reale.
{% endhint %}
{% endtab %}
{% endtabs %}

## Parametri del percorso

| Parametro    | Tipo   | Descrizione                                                         |
| ------------ | ------ | ------------------------------------------------------------------- |
| document\_id | intero | **Obbligatorio.** L'ID del documento di cui recuperare i contenuti. |

## Parametri di Query

| Parametro    | Tipo   | Descrizione                                                           |
| ------------ | ------ | --------------------------------------------------------------------- |
| start\_chunk | intero | L'indice del chunk di partenza. Il valore predefinito è 0.            |
| end\_chunk   | intero | L'indice del chunk finale. Il valore predefinito è start\_chunk + 20. |

## Formato di Risposta

```json
{
  "content": "Il testo completo dei contenuti del documento...",
  "end_chunk": 20
}
```

## Risposte di Errore

| Codice di Stato | Descrizione               |
| --------------- | ------------------------- |
| 404             | Documento non trovato     |
| 500             | Errore interno del server |

## Paginazione per Documenti di Grandi Dimensioni

Per documenti di grandi dimensioni, il contenuto è suddiviso in parti. Puoi recuperare il documento completo effettuando più richieste:

1. Effettua una richiesta iniziale con `start_chunk=0`
2. Usa il valore `end_chunk` restituito come `start_chunk` per la richiesta successiva
3. Continua fino a quando non hai recuperato tutte le parti

Questo endpoint restituisce il contenuto testuale grezzo di un documento, consentendoti di accedere a tutte le informazioni per un'elaborazione o analisi dettagliata.


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://docs.rememberizer.ai/it/risorse-per-sviluppatori/api-docs/retrieve-document-contents.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.