Word en JSON

Transformer un document Word en JSON dans l'ordre de lecture

Les documents Word contiennent plus de structure qu'ils n'en montrent : niveaux de titre, imbrication des listes, tableaux et propriétés du document. Word en JSON lit un fichier .docx et écrit cette structure sous forme de JSON, si bien qu'un rapport ou un contrat peut être traité par du code plutôt que recopié à la main.

Chargez le fichier .docx. Le résultat comporte un bloc source avec le titre, l'auteur, les dates, le nombre de mots ainsi que le nombre de tableaux et d'images, suivi d'un tableau blocks dans l'ordre de lecture du document. Un bloc de titre porte son niveau, un bloc de paragraphe son texte et, lorsqu'il utilise un style nommé tel que Citation, le nom du style. Les listes à puces et numérotées deviennent des blocs de liste avec un niveau d'imbrication pour les listes hiérarchisées. Chaque tableau devient un bloc de tableau avec une ligne d'en-tête et des lignes typées, si bien qu'une colonne de montants arrive sous forme de nombres, et non de texte. Les images sont notées comme des blocs d'image.

Le format correspond à la même enveloppe de document que celle écrite par PDF en JSON, décrite dans le guide JSON, si bien que le même code traite les deux types de fichiers. Le texte à l'intérieur des zones de texte, des en-têtes et des pieds de page ne fait pas partie de l'export, et les modifications suivies doivent être acceptées dans Word avant la conversion. Les anciens fichiers .doc doivent d'abord être enregistrés en .docx. Pour le sens inverse, utilisez JSON en Word, et pour une version en texte brut du document, utilisez Word vers Markdown.