دليل أدوات JSON: تحويل المستندات والبيانات إلى JSON والعودة منه
يشرح هذا الدليل كيف تقرأ أدوات JSON الملفات وتكتبها، وصيغة المستند التي تُنتجها أداتا PDF إلى JSON وWord إلى JSON، وأي أداة تستخدم لكل مهمة.
لماذا JSON
JSON هو صيغة البيانات التي تقرؤها البرامج وخدمات الويب ونماذج الذكاء الاصطناعي بأسهل طريقة: كائنات بحقول مسمّاة، وقوائم، وأرقام، ونص، وtrue وfalse وnull، ولا شيء آخر. لا تُخزَّن المستندات وجداول البيانات بهذا الشكل. تسدّ هذه الأدوات الفجوة في كلا الاتجاهين: تحوّل ملفات PDF وWord وجداول البيانات وCSV وYAML وXML إلى JSON، وتحوّل JSON مرة أخرى إلى ملفات يقرؤها الناس، مثل PDF وWord وExcel وCSV وHTML.
تعمل كل أداة على خوادمنا عبر اتصال آمن وتحذف الملف المرفوع خلال 60 دقيقة. يمكن لصق النص المُدخَل مباشرة بدلًا من رفعه.
أي أداة لأي مهمة
| لديك | تريد | استخدم |
|---|---|---|
| ملف PDF | نص وجداول وبيانات وصفية كبيانات | PDF إلى JSON |
| مستند Word | عناوين وفقرات وقوائم وجداول كبيانات | Word إلى JSON |
| مصنّف Excel | سجلات أو صفوف أو أعمدة | Excel إلى JSON |
| ملف CSV أو TSV | مصفوفة JSON بقيم مصنّفة | CSV إلى JSON |
| ملف YAML | نفس البيانات كـJSON | YAML إلى JSON |
| ملف XML | كائنات وسمات ومصفوفات | XML إلى JSON |
| JSON | ملف PDF للقراءة أو الطباعة | JSON إلى PDF |
| JSON | مصنّف Excel | JSON إلى Excel |
| JSON | ملف CSV | JSON إلى CSV |
| JSON | مستند Word قابل للتحرير | JSON إلى Word |
| JSON | صفحة ويب | JSON إلى HTML |
| JSON | YAML لملف إعداد | JSON إلى YAML |
| JSON | XML لنظام آخر | JSON إلى XML |
| JSON غير منظّم أو غير صالح | JSON نظيف وصالح | منسّق JSON |
| ملفا JSON | قائمة بما تغيّر | مقارنة JSON |
لـMarkdown زوج خاص به: Markdown إلى JSON يصدّر شجرة مستند وJSON إلى Markdown يحوّل JSON إلى مخطط تفصيلي أو جدول من Markdown.
صيغة المستند
تكتب أداتا PDF إلى JSON وWord إلى JSON الشكل نفسه، بحيث تتعامل معه شيفرة واحدة. يحتوي المستوى الأعلى دائمًا على هذه الحقول:
{
"format": "acepdfmd-document",
"version": 1,
"source": {"type": "pdf", "filename": "report.pdf", "title": "Q3 Report", "pages": 12},
"pages": [{"number": 1, "width": 612, "height": 792, "words": 380, "text": "..."}],
"blocks": [
{"type": "heading", "level": 1, "text": "Q3 Report"},
{"type": "paragraph", "text": "Revenue grew..."},
{"type": "list", "ordered": false, "items": [{"level": 0, "text": "Europe"}]},
{"type": "table", "header": ["Region", "Q3"], "rows": [["Europe", 1200.5]]}
],
"tables": [{"index": 1, "page": 3, "rows": [["Region", "Q3"], ["Europe", 1200.5]]}],
"form_fields": [{"name": "email", "type": "text", "value": "[email protected]"}],
"extraction": {"engine": "pdf_to_markdown/layout", "mode": "structure", "ocr": false, "warnings": []}
}
تعني الحقول ما يلي:
- source: نوع الملف، مع البيانات الوصفية التي حملها (العنوان، المؤلف، الموضوع، الكلمات المفتاحية، تاريخا الإنشاء والتعديل، عدد الصفحات). تضيف ملفات Word عدد الكلمات والجداول والصور.
- pages: مُدخَل واحد لكل صفحة PDF بحجمها بالنقاط، ودورانها، وعدد كلماتها، ونصها. ملفات Word لا تحتوي على صفحات، لأن Word يوزّع الصفحات فقط عند الطباعة.
- blocks: المستند بترتيب القراءة. الأنواع هي heading (بمستوى من 1 إلى 6)، وparagraph (باسم نمط اختياري من Word)، وlist (مرتبة أو غير مرتبة، بعناصر ذات مستوى تداخل)، وtable (ترويسة وصفوف مصنّفة)، وcode، وblockquote، وrule، وimage.
- tables: لملفات PDF، كل جدول تم اكتشافه مع الصفحة التي وُجد فيها، وللجدول الذي يمتد، الصفحة التي ينتهي عندها. الخلايا التي تبدو أرقامًا هي أرقام.
- form_fields: موجود فقط عندما يحتوي PDF على نموذج. لكل حقل اسمه ونوعه (نص، اختيار، زر أو توقيع) وقيمته الحالية.
- extraction: أي محوِّل عمل، والوضع الذي اخترته، وهل احتاج الأمر إلى OCR، وأي تحذيرات، مثل جدول لم يمكن اكتشافه.
الإصدار 1 من هذه الصيغة يكتسب حقولًا جديدة فقط؛ تحتفظ الحقول الحالية بأسمائها ومعانيها.
البيانات الجدولية والتداخل
CSV وExcel مسطّحان، وJSON ليس كذلك. عندما يذهب JSON إلى CSV أو Excel، تُسطَّح الكائنات المتداخلة إلى أسماء أعمدة منقوطة والمصفوفات إلى أعمدة مرقّمة، بحيث يصبح سجل طلب فيه كائن عميل ومصفوفة عناصر أعمدة مثل customer.name وitems[0].sku وitems[1].sku. وعندما يعود CSV أو Excel إلى JSON، تُعاد بناء الترويسات المكتوبة بهذا الشكل إلى كائنات ومصفوفات متداخلة. الترويسة التي تحتوي على نقطة عادية، مثل رقم إصدار أو اختصار، تُترَك كما هي.
تُصنَّف القيم عند الدخول: تتحول الأرقام إلى أرقام، وtrue وfalse إلى قيم منطقية، والخلية الفارغة إلى null، وكل شيء آخر يبقى نصًا. تُكتَب التواريخ الخارجة من Excel كنصوص بصيغة ISO 8601، لأن JSON لا يملك نوع تاريخ. بدّل خيار أنواع القيم إلى نص عندما يجب أن تبقى المعرِّفات ذات الأصفار البادئة كما كُتبت بالضبط.
التحقق من الصحة والإصلاح
تتحقق كل أداة JSON من صحة مدخلها بالطريقة نفسها. يُرفَض الملف غير الصالح مع سطر وعمود أول خطأ، ومقتطف قصير من ذلك السطر. يمكن أيضًا لـمنسّق JSON إصلاح الأخطاء التي يلصقها الناس غالبًا: التعليقات، والفواصل الزائدة، والنصوص بعلامات اقتباس مفردة، والمفاتيح غير المقتبسة، وTrue وFalse وNone بأحرف كبيرة، وNaN وInfinity، وأسوار الشيفرة حول النص. عند تطبيق إصلاح، تخبرك النتيجة بذلك، حتى لا يتغيّر شيء بصمت من دون علمك.
الخصوصية
تُعالَج الملفات المرفوعة والنصوص الملصقة على خوادمنا وتُحذَف خلال 60 دقيقة؛ راجع دليل الخصوصية للتفاصيل. لا يُخزَّن شيء بعد ذلك الوقت ولا يُستخدَم لأي غرض آخر.