JSON eszközök útmutatója: dokumentumok és adatok konvertálása JSON-ná és vissza
Ez az útmutató bemutatja, hogyan olvasnak és írnak fájlokat a JSON eszközök, milyen formátumot használnak, és melyik eszközt melyik feladathoz válassza.
Miért a JSON
A JSON az az adatformátum, amelyet a programok, webszolgáltatások és MI-modellek a legkönnyebben olvasnak: elnevezett mezőkkel ellátott objektumok, listák, számok, szöveg, true, false és null, semmi más. A dokumentumok és táblázatok nem így tárolódnak. Az ebbe a családba tartozó eszközök mindkét irányban áthidalják a szakadékot: PDF-eket, Word fájlokat, táblázatokat, CSV-t, YAML-t és XML-t alakítanak JSON-ná, és a JSON-t olyan fájlokká alakítják vissza, amelyeket emberek olvasnak, mint például PDF, Word, Excel, CSV és HTML.
Minden eszköz a szervereinken fut biztonságos kapcsolaton keresztül, és a feltöltött fájlt 60 percen belül törli. A szöveges bemenet közvetlenül beilleszthető, feltöltés nélkül.
Melyik eszközt melyik feladathoz
| Az Önnél van | Amit szeretne | Használja |
|---|---|---|
| Egy PDF | Szöveg, táblázatok és metaadatok adatként | PDF JSON-ba |
| Egy Word-dokumentum | Címsorok, bekezdések, listák és táblázatok adatként | Word JSON-ba |
| Egy Excel-munkafüzet | Rekordok, sorok vagy oszlopok | Excel JSON-ba |
| Egy CSV vagy TSV fájl | Típusos értékeket tartalmazó JSON tömb | CSV JSON-ba |
| Egy YAML fájl | Ugyanaz az adat JSON-ként | YAML JSON-ba |
| Egy XML fájl | Objektumok, attribútumok és tömbök | XML JSON-ba |
| JSON | Egy olvasható vagy nyomtatható PDF | JSON PDF-fé |
| JSON | Egy Excel-munkafüzet | JSON Excelbe |
| JSON | Egy CSV fájl | JSON CSV-vé |
| JSON | Egy szerkeszthető Word-dokumentum | JSON Word-dokumentummá |
| JSON | Egy weboldal | JSON HTML-lé |
| JSON | YAML egy konfigurációs fájlhoz | JSON YAML-lé |
| JSON | XML egy másik rendszerhez | JSON XML-lé |
| Zavaros vagy érvénytelen JSON | Tiszta, érvényes JSON | JSON formázó |
| Két JSON fájl | Lista a változásokról | JSON összehasonlítása |
A Markdownnak saját párja van: a Markdown JSON-ba exportál egy dokumentumfát, a JSON Markdown-ba pedig a JSON-t Markdown vázlattá vagy táblázattá alakítja.
A dokumentumformátum
A PDF JSON-ba és a Word JSON-ba eszköz ugyanazt az alakot írja, így ugyanaz a kód kezeli mindkettőt. A legfelső szint mindig ezeket a mezőket tartalmazza:
{
"format": "acepdfmd-document",
"version": 1,
"source": {"type": "pdf", "filename": "report.pdf", "title": "Q3 Report", "pages": 12},
"pages": [{"number": 1, "width": 612, "height": 792, "words": 380, "text": "..."}],
"blocks": [
{"type": "heading", "level": 1, "text": "Q3 Report"},
{"type": "paragraph", "text": "Revenue grew..."},
{"type": "list", "ordered": false, "items": [{"level": 0, "text": "Europe"}]},
{"type": "table", "header": ["Region", "Q3"], "rows": [["Europe", 1200.5]]}
],
"tables": [{"index": 1, "page": 3, "rows": [["Region", "Q3"], ["Europe", 1200.5]]}],
"form_fields": [{"name": "email", "type": "text", "value": "[email protected]"}],
"extraction": {"engine": "pdf_to_markdown/layout", "mode": "structure", "ocr": false, "warnings": []}
}
A mezők jelentése a következő:
- source: mi volt a fájl, az általa hordozott metaadatokkal (cím, szerző, tárgy, kulcsszavak, létrehozási és módosítási dátum, oldalszám). A Word fájlok szó-, táblázat- és képszámot is hozzáadnak.
- pages: egy bejegyzés minden PDF oldalhoz, a méretével pontban, a forgatásával, a szószámával és a szövegével. A Word fájloknak nincsenek oldalaik, mert a Word csak nyomtatáskor rendezi el az oldalakat.
- blocks: a dokumentum olvasási sorrendben. A típusok: heading (1-től 6-os szintig), paragraph (opcionális, Wordből származó stílusnévvel), list (rendezett vagy nem, elemekkel és beágyazási szinttel), table (fejsorral és típusos sorokkal), code, blockquote, rule és image.
- tables: PDF-ek esetén minden felismert táblázat, az oldalával, amelyen található, és egy folytatódó táblázat esetén az oldallal, amelyen véget ér. A számnak látszó cellák számok.
- form_fields: csak akkor jelenik meg, ha a PDF-nek van űrlapja. Minden mezőnek van neve, típusa (text, choice, button vagy signature) és aktuális értéke.
- extraction: melyik konvertáló futott, melyik módot választotta, szükség volt-e OCR-re, és bármely figyelmeztetés, például egy táblázat, amelyet nem lehetett felismerni.
Ennek a formátumnak az 1. verziója csak mezőket kap; a meglévő mezők megtartják nevüket és jelentésüket.
Táblázatos adat és beágyazás
A CSV és az Excel síkok, a JSON nem az. Amikor a JSON CSV-be vagy Excelbe megy, a beágyazott objektumok pontozott oszlopnevekké lapítódnak, a tömbök pedig indexelt nevekké, így egy ügyfélobjektumot és tételtömböt tartalmazó rendelésrekordból olyan oszlopok lesznek, mint customer.name, items[0].sku és items[1].sku. Amikor a CSV vagy Excel visszakerül JSON-ba, az így megírt fejlések beágyazott objektumokká és tömbökké épülnek vissza. Egy közönséges pontot tartalmazó fejlés, mint egy verziószám vagy egy rövidítés, érintetlen marad.
Az értékek a bemenetnél kapják típusukat: a számok számmá válnak, a true és false logikai értékké, egy üres cella null-lá, és minden más szöveg marad. Az Excelből érkező dátumok ISO 8601 szövegként íródnak, mert a JSON-nak nincs dátumtípusa. Kapcsolja szövegre az értéktípusok beállítást, ha a vezető nullát tartalmazó azonosítóknak pontosan úgy kell megmaradniuk, ahogyan írták.
Ellenőrzés és javítás
Minden JSON eszköz ugyanúgy ellenőrzi a bemenetét. Egy érvénytelen fájlt a rendszer az első hiba sorával, oszlopával és a sor rövid kivonatával visszautasít. A JSON formázó képes kijavítani az emberek által leggyakrabban beillesztett hibákat is: megjegyzéseket, felesleges vesszőket, egyszeres idézőjelbe tett szövegeket, idézőjel nélküli kulcsokat, nagybetűs True, False és None értékeket, NaN és Infinity értékeket, valamint a szöveg köré tett kódkerítéseket. Amikor egy javítás megtörtént, az eredmény jelzi ezt, így semmi nem változik meg titokban a háta mögött.
Adatvédelem
A feltöltött fájlok és a beillesztett szöveg a szervereinken kerül feldolgozásra, és 60 percen belül törlődik; a részletekért lásd az adatvédelmi útmutatót. Ezen az időn túl semmi nem tárolódik, és semmit nem használnak fel más célra.