PDF JSON-ba

PDF konvertálása strukturált JSON-ná: szöveg, táblázatok, űrlapmezők és metaadatok

A PDF olvasásra készült, nem programok számára. A PDF JSON-ba eszköz egyetlen olyan JSON fájllá alakítja a PDF-et, amellyel a kód dolgozni tud: metaadatok, minden oldal szövege, az elrendezésben található címsorok, bekezdések, listák és táblázatok, valamint az esetleges űrlapmezők értékei. Ez az a lépés, amely megelőzi a dokumentum betöltését egy adatbázisba, egy keresőindexbe vagy egy MI-promptba.

Töltse fel a PDF-et, és válassza ki, mire van szüksége. A Szerkezet mindent megad: egy source blokkot a címmel, a szerzővel, az oldalszámmal és a dátumokkal; egy pages tömböt minden oldal szövegével és méretével; egy blocks tömböt a címsorok, bekezdések, listák és táblázatok olvasási sorrendjében; és egy tables tömböt, amelyben minden táblázat típusos sorokként jelenik meg, az oldalával megjelölve. A Csak táblázatok kizárólag a táblázatokat adja vissza, ez a gyors út számlákhoz és kimutatásokhoz. A Csak oldalszöveg oldalanként adja vissza a nyers szöveget. A táblázatokban szereplő számok számként térnek vissza, így egy végösszeg érték, nem pedig szöveg.

A kimenet egyetlen dokumentált formát követ, amelyet a JSON útmutató ismertet, így a mai napon megírt szkript továbbra is működik. Szerkezet módban egy beszkennelt PDF-et a rendszer előbb felismer, és ezt az extraction blokk jelzi; egy jelszóval védett fájlt előbb fel kell oldani. A fordított irányhoz használja a JSON PDF-fé eszközt, táblázathoz a PDF Excellé eszközt, folyószöveghez pedig a PDF Markdownná eszközt.