PDFをJSONに変換

PDFを構造化されたJSONに変換：テキスト、表、フォームフィールド、メタデータ

PDFは読むために作られたものであり、プログラムのためのものではありません。PDFをJSONに変換は、PDFをコードが扱える1つのJSONファイルに変換します。メタデータ、各ページのテキスト、レイアウトから見つかった見出し、段落、リスト、表、そしてフォームフィールドの値です。これは、文書をデータベース、検索インデックス、AIプロンプトに読み込ませる前の下準備となる工程です。

PDFをアップロードし、必要なものを選んでください。構造を選ぶとすべてが手に入ります。タイトル、作成者、ページ数、日付を含むsourceブロック、各ページのテキストとサイズを含むpages配列、見出し・段落・リスト・表を読み順に並べたblocks配列、そしてページ番号付きで型付きの行として表を格納したtables配列です。表のみを選ぶと表だけが返され、請求書や取引明細書に適した高速な方法です。ページのテキストのみを選ぶと、ページごとの生のテキストが返されます。表の中の数値は文字列ではなく数値として返されるため、合計は値として扱われます。

出力はJSONガイドに記載された1つの決まった形式に従うため、今日書いたスクリプトはそのまま動き続けます。構造モードでは、スキャンされたPDFがまず認識され、抽出ブロックにその旨が記載されます。パスワードで保護されたファイルは、先にロックを解除する必要があります。逆方向の変換にはJSONをPDFに変換を、スプレッドシートにはPDFをExcelに変換を、文章にはPDFをMarkdownに変換をご利用ください。