PDF σε JSON

Μετατρέψτε ένα PDF σε δομημένο JSON: κείμενο, πίνακες, πεδία φόρμας και μεταδεδομένα

Ένα PDF είναι φτιαγμένο για ανάγνωση, όχι για προγράμματα. Το PDF σε JSON μετατρέπει ένα PDF σε ένα αρχείο JSON με το οποίο μπορεί να δουλέψει ο κώδικας: μεταδεδομένα, το κείμενο κάθε σελίδας, τις επικεφαλίδες, τις παραγράφους, τις λίστες και τους πίνακες που βρίσκονται στη διάταξη, καθώς και τις τιμές κάθε πεδίου φόρμας. Είναι το βήμα πριν από τη φόρτωση ενός εγγράφου σε μια βάση δεδομένων, σε έναν δείκτη αναζήτησης ή σε ένα προτροπή τεχνητής νοημοσύνης.

Ανεβάστε το PDF και επιλέξτε τι χρειάζεστε. Η Δομή σας δίνει τα πάντα: ένα μπλοκ πηγής με τίτλο, συγγραφέα, αριθμό σελίδων και ημερομηνίες· έναν πίνακα σελίδων με το κείμενο και το μέγεθος κάθε σελίδας· έναν πίνακα μπλοκ με τη σειρά ανάγνωσης των επικεφαλίδων, των παραγράφων, των λιστών και των πινάκων· και έναν πίνακα πινάκων με κάθε πίνακα ως τυποποιημένες γραμμές, με σήμανση της σελίδας του. Το Μόνο πίνακες επιστρέφει μόνο τους πίνακες, τη γρήγορη διαδρομή για τιμολόγια και καταστάσεις. Το Μόνο κείμενο σελίδας επιστρέφει το ανεπεξέργαστο κείμενο ανά σελίδα. Οι αριθμοί μέσα σε πίνακες επιστρέφουν ως αριθμοί, οπότε ένα σύνολο είναι τιμή και όχι συμβολοσειρά.

Η έξοδος ακολουθεί μία τεκμηριωμένη μορφή, που περιγράφεται στον οδηγό JSON, ώστε ένα σενάριο γραμμένο σήμερα να συνεχίσει να λειτουργεί. Στη λειτουργία Δομή, ένα σαρωμένο PDF αναγνωρίζεται πρώτα και το μπλοκ εξαγωγής το αναφέρει· ένα αρχείο προστατευμένο με κωδικό πρόσβασης πρέπει πρώτα να ξεκλειδωθεί. Για την αντίστροφη κατεύθυνση χρησιμοποιήστε το JSON σε PDF, για υπολογιστικό φύλλο το PDF σε Excel, και για πεζό κείμενο το PDF σε Markdown.