PDF en JSON

Convertir un PDF en JSON structuré : texte, tableaux, champs de formulaire et métadonnées

Un PDF est fait pour être lu, pas pour être traité par des programmes. PDF en JSON transforme un PDF en un seul fichier JSON exploitable par du code : les métadonnées, le texte de chaque page, les titres, paragraphes, listes et tableaux trouvés dans la mise en page, ainsi que les valeurs de tout champ de formulaire. C'est l'étape qui précède le chargement d'un document dans une base de données, un index de recherche ou une invite d'IA.

Chargez le PDF et choisissez ce dont vous avez besoin. Structure vous donne tout : un bloc source avec le titre, l'auteur, le nombre de pages et les dates ; un tableau pages avec le texte et la taille de chaque page ; un tableau blocks dans l'ordre de lecture des titres, paragraphes, listes et tableaux ; et un tableau tables avec chaque tableau sous forme de lignes typées, associées à sa page. Tableaux uniquement ne renvoie que les tableaux, la voie rapide pour les factures et les relevés. Texte de page uniquement renvoie le texte brut de chaque page. Les nombres présents dans les tableaux sont renvoyés comme des nombres, si bien qu'un total est une valeur et non une chaîne de caractères.

La sortie suit une forme unique et documentée, décrite dans le guide JSON, si bien qu'un script écrit aujourd'hui continue de fonctionner. En mode Structure, un PDF scanné est d'abord détecté et le bloc extraction le signale ; un fichier protégé par mot de passe doit d'abord être déverrouillé. Pour le sens inverse, utilisez JSON en PDF, pour une feuille de calcul, utilisez PDF vers Excel, et pour du texte, utilisez PDF vers Markdown.