Panduan Alat JSON: Konversi Dokumen dan Data ke JSON dan Sebaliknya
Panduan ini menjelaskan cara alat JSON membaca dan menulis file, format dokumen dari PDF dan Word ke JSON, serta alat yang tepat untuk setiap pekerjaan.
Mengapa JSON
JSON adalah format data yang paling mudah dibaca oleh program, layanan web, dan model AI: objek dengan field bernama, daftar, angka, teks, true, false, dan null, tidak ada yang lain. Dokumen dan spreadsheet tidak disimpan seperti itu. Alat dalam keluarga ini menjembatani kesenjangan itu di kedua arah: mengubah PDF, file Word, spreadsheet, CSV, YAML, dan XML menjadi JSON, dan mengubah JSON kembali menjadi file yang dapat dibaca orang, seperti PDF, Word, Excel, CSV, dan HTML.
Setiap alat berjalan di server kami melalui koneksi aman dan menghapus file yang diunggah dalam 60 menit. Input teks dapat ditempel langsung tanpa perlu diunggah.
Alat Mana untuk Pekerjaan Apa
| Anda memiliki | Anda ingin | Gunakan |
|---|---|---|
| Sebuah PDF | Teks, tabel, dan metadata sebagai data | PDF ke JSON |
| Dokumen Word | Heading, paragraf, daftar, dan tabel sebagai data | Word ke JSON |
| Workbook Excel | Record, baris, atau kolom | Excel ke JSON |
| File CSV atau TSV | Array JSON dengan nilai bertipe | CSV ke JSON |
| File YAML | Data yang sama sebagai JSON | YAML ke JSON |
| File XML | Objek, atribut, dan array | XML ke JSON |
| JSON | PDF untuk dibaca atau dicetak | JSON ke PDF |
| JSON | Workbook Excel | JSON ke Excel |
| JSON | File CSV | JSON ke CSV |
| JSON | Dokumen Word yang dapat diedit | JSON ke Word |
| JSON | Halaman web | JSON ke HTML |
| JSON | YAML untuk file konfigurasi | JSON ke YAML |
| JSON | XML untuk sistem lain | JSON ke XML |
| JSON yang berantakan atau tidak valid | JSON yang bersih dan valid | Formatter JSON |
| Dua file JSON | Daftar apa yang berubah | Bandingkan JSON |
Markdown memiliki pasangannya sendiri: Markdown ke JSON mengekspor pohon dokumen dan JSON ke Markdown mengubah JSON menjadi outline atau tabel Markdown.
Format Dokumen
PDF ke JSON dan Word ke JSON menulis bentuk yang sama, sehingga satu kode dapat menangani keduanya. Level teratas selalu memiliki field berikut:
{
"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": []}
}
Arti setiap field adalah sebagai berikut:
- source: apa jenis filenya, dengan metadata yang dibawanya (judul, penulis, subjek, kata kunci, tanggal pembuatan dan modifikasi, jumlah halaman). File Word menambahkan jumlah kata, tabel, dan gambar.
- pages: satu entri per halaman PDF dengan ukurannya dalam poin, rotasinya, jumlah kata, dan teksnya. File Word tidak memiliki pages, karena Word hanya menata halaman saat dicetak.
- blocks: dokumen dalam urutan bacanya. Tipenya adalah heading (dengan level 1 sampai 6), paragraph (dengan nama gaya opsional dari Word), list (berurutan atau tidak, item dengan level bertingkat), table (header ditambah baris bertipe), code, blockquote, rule, dan image.
- tables: untuk PDF, setiap tabel yang terdeteksi dengan halaman tempat ditemukannya dan, untuk tabel yang berlanjut, halaman tempat berakhirnya. Sel yang terlihat seperti angka menjadi angka.
- form_fields: hanya ada ketika PDF memiliki formulir. Setiap field memiliki nama, tipe (text, choice, button, atau signature), dan nilai saat ini.
- extraction: konverter mana yang berjalan, mode yang Anda pilih, apakah OCR diperlukan, dan peringatan apa pun, seperti tabel yang tidak dapat terdeteksi.
Versi 1 dari format ini hanya akan bertambah field-nya; field yang sudah ada mempertahankan nama dan artinya.
Data Tabular dan Bertingkat
CSV dan Excel bersifat flat, JSON tidak. Ketika JSON diubah menjadi CSV atau Excel, objek bertingkat diratakan menjadi nama kolom bertitik dan array menjadi kolom berindeks, sehingga record pesanan dengan objek customer dan array items menjadi kolom seperti customer.name, items[0].sku, dan items[1].sku. Ketika CSV atau Excel diubah kembali menjadi JSON, header yang ditulis dengan cara itu dibangun ulang menjadi objek dan array bertingkat. Header dengan titik biasa di dalamnya, seperti nomor versi atau singkatan, dibiarkan begitu saja.
Nilai diberi tipe saat masuk: angka menjadi angka, true dan false menjadi boolean, sel kosong menjadi null, dan sisanya tetap string. Tanggal yang berasal dari Excel ditulis sebagai string ISO 8601, karena JSON tidak memiliki tipe tanggal. Alihkan opsi tipe nilai ke teks saat pengenal dengan nol di depan harus tetap sama persis seperti yang tertulis.
Validasi dan Perbaikan
Setiap alat JSON memvalidasi inputnya dengan cara yang sama. File yang tidak valid akan ditolak dengan baris dan kolom kesalahan pertama, serta potongan singkat dari baris tersebut. Formatter JSON juga dapat memperbaiki kesalahan yang paling sering ditempel orang: komentar, koma berlebih, string bertanda kutip tunggal, kunci tanpa tanda kutip, True, False, dan None yang dikapitalisasi, NaN dan Infinity, serta pagar kode di sekitar teks. Ketika perbaikan diterapkan, hasilnya akan memberi tahu Anda, sehingga tidak ada perubahan yang terjadi secara diam-diam.
Privasi
File yang diunggah dan teks yang ditempel diproses di server kami dan dihapus dalam 60 menit; lihat panduan privasi untuk detailnya. Tidak ada yang disimpan lebih dari waktu itu dan tidak ada yang digunakan untuk tujuan lain.