Word a JSON

Convierte un documento Word en JSON en el orden de lectura

Los documentos Word contienen más estructura de la que muestran: niveles de encabezado, listas anidadas, tablas y propiedades del documento. Word a JSON lee un archivo .docx y escribe esa estructura como JSON, de modo que un informe o un contrato puedan procesarse con código en lugar de copiarse a mano.

Sube el archivo .docx. El resultado tiene un bloque source con el título, el autor, las fechas, el número de palabras y el número de tablas e imágenes, seguido de un array blocks en el orden en que se lee el documento. Un bloque de encabezado lleva su nivel, un bloque de párrafo su texto y, cuando usa un estilo con nombre como Cita, el nombre del estilo. Las listas con viñetas y numeradas se convierten en bloques de lista con un nivel de elemento para las listas anidadas. Cada tabla se convierte en un bloque de tabla con una fila de encabezado y filas tipadas, así que una columna de importes llega como números, no como texto. Las imágenes se anotan como bloques de imagen.

El formato es la misma envoltura de documento que escribe PDF a JSON, descrita en la guía de JSON, de modo que el mismo código gestiona ambos tipos de archivo. El texto dentro de cuadros de texto, encabezados y pies de página no forma parte de la exportación, y los cambios con seguimiento deben aceptarse en Word antes de convertir. Los archivos .doc antiguos deben guardarse primero como .docx. Para ir en sentido contrario usa JSON a Word, y para una versión en texto plano del documento usa Word a Markdown.