PDF in JSON

Convertire un PDF in JSON strutturato: testo, tabelle, campi modulo e metadati

Un PDF è pensato per la lettura, non per i programmi. PDF in JSON trasforma un PDF in un unico file JSON con cui il codice può lavorare: i metadati, il testo di ogni pagina, i titoli, i paragrafi, gli elenchi e le tabelle presenti nel layout, e i valori di qualsiasi campo modulo. È il passaggio che precede il caricamento di un documento in un database, in un indice di ricerca o in un prompt per l'IA.

Carica il PDF e scegli cosa ti serve. Struttura ti offre tutto: un blocco source con titolo, autore, numero di pagine e date; un array pages con il testo e le dimensioni di ogni pagina; un array blocks nell'ordine di lettura di titoli, paragrafi, elenchi e tabelle; e un array tables con ogni tabella come righe tipizzate, contrassegnate con la relativa pagina. Solo tabelle restituisce esclusivamente le tabelle, la via più rapida per fatture ed estratti conto. Solo testo della pagina restituisce il testo grezzo per ogni pagina. I numeri all'interno delle tabelle vengono restituiti come numeri, quindi un totale è un valore e non una stringa.

L'output segue una forma documentata, descritta nella guida JSON, così uno script scritto oggi continua a funzionare. In modalità Struttura un PDF scansionato viene riconosciuto per primo e il blocco extraction lo segnala; un file protetto da password deve prima essere sbloccato. Per la direzione opposta usa JSON in PDF, per un foglio di calcolo usa PDF in Excel, e per il testo in prosa usa PDF in Markdown.