PDF a JSON

Convierte un PDF en JSON estructurado: texto, tablas, campos de formulario y metadatos

Un PDF está pensado para leerse, no para que lo procesen programas. PDF a JSON convierte un PDF en un único archivo JSON con el que el código puede trabajar: los metadatos, el texto de cada página, los encabezados, párrafos, listas y tablas que aparecen en el diseño, y los valores de cualquier campo de formulario. Es el paso previo a cargar un documento en una base de datos, un índice de búsqueda o un prompt de una IA.

Sube el PDF y elige lo que necesitas. Estructura te da todo: un bloque source con el título, el autor, el número de páginas y las fechas; un array pages con el texto y el tamaño de cada página; un array blocks en el orden de lectura con los encabezados, párrafos, listas y tablas; y un array tables con cada tabla como filas tipadas, etiquetadas con su página. Solo tablas devuelve únicamente las tablas, la vía rápida para facturas y extractos. Solo texto de la página devuelve el texto sin procesar de cada página. Los números dentro de las tablas se devuelven como números, así que un total es un valor y no una cadena de texto.

El resultado sigue una única forma documentada, descrita en la guía de JSON, de modo que un script escrito hoy sigue funcionando después. En el modo Estructura, un PDF escaneado se detecta primero y el bloque de extracción lo indica; un archivo protegido con contraseña hay que desbloquearlo antes. Para la dirección contraria usa JSON a PDF, para una hoja de cálculo usa PDF a Excel, y para texto corrido usa PDF a Markdown.