Panduan Alat JSON: Tukar Dokumen dan Data kepada JSON dan Sebaliknya
Panduan ini menerangkan bagaimana alat JSON membaca dan menulis fail, format dokumennya, dan alat mana yang sesuai untuk setiap tugas.
Mengapa JSON
JSON adalah format data yang paling mudah dibaca oleh program, perkhidmatan web dan model AI: objek dengan medan bernama, senarai, nombor, teks, true, false dan null, tiada apa-apa lagi. Dokumen dan hamparan tidak disimpan dengan cara itu. Alat dalam keluarga ini merapatkan jurang dalam kedua-dua arah: ia menukar PDF, fail Word, hamparan, CSV, YAML dan XML kepada JSON, dan ia menukar JSON kembali kepada fail yang boleh dibaca orang, seperti PDF, Word, Excel, CSV dan HTML.
Setiap alat berjalan di pelayan kami melalui sambungan selamat dan memadam fail yang dimuat naik dalam masa 60 minit. Input teks boleh ditampal terus tanpa perlu dimuat naik.
Alat Mana untuk Tugas Mana
| Anda ada | Anda mahu | Guna |
|---|---|---|
| Teks, jadual dan metadata sebagai data | PDF ke JSON | |
| Dokumen Word | Tajuk, perenggan, senarai dan jadual sebagai data | Word ke JSON |
| Buku kerja Excel | Rekod, baris atau lajur | Excel ke JSON |
| Fail CSV atau TSV | Tatasusunan JSON dengan nilai bertaip | CSV ke JSON |
| Fail YAML | Data yang sama sebagai JSON | YAML ke JSON |
| Fail XML | Objek, atribut dan tatasusunan | XML ke JSON |
| JSON | PDF untuk dibaca atau dicetak | JSON ke PDF |
| JSON | Buku kerja Excel | JSON ke Excel |
| JSON | Fail CSV | JSON ke CSV |
| JSON | Dokumen Word yang boleh disunting | JSON ke Word |
| JSON | Halaman web | JSON ke HTML |
| JSON | YAML untuk fail konfigurasi | JSON ke YAML |
| JSON | XML untuk sistem lain | JSON ke XML |
| JSON yang bercelaru atau tidak sah | JSON yang bersih dan sah | Pemformat JSON |
| Dua fail JSON | Senarai apa yang berubah | Bandingkan JSON |
Markdown mempunyai pasangannya sendiri: Markdown ke JSON mengeksport pokok dokumen dan JSON ke Markdown menukar JSON kepada rangka atau jadual Markdown.
Format Dokumen
PDF ke JSON dan Word ke JSON menulis bentuk yang sama, supaya satu kod boleh mengendalikan kedua-duanya. Tahap atas sentiasa mempunyai medan 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": []}
}
Medan-medan ini bermaksud seperti berikut:
- source: apa fail itu, dengan metadata yang dibawanya (tajuk, pengarang, subjek, kata kunci, tarikh cipta dan pengubahsuaian, bilangan halaman). Fail Word menambah bilangan perkataan, jadual dan imej.
- pages: satu entri bagi setiap halaman PDF dengan saiznya dalam titik, putarannya, bilangan perkataan dan teksnya. Fail Word tidak mempunyai halaman, kerana Word hanya menyusun halaman apabila ia dicetak.
- blocks: dokumen mengikut urutan bacaan. Jenisnya adalah heading (dengan tahap 1 hingga 6), paragraph (dengan nama gaya pilihan daripada Word), list (bernombor atau tidak, item dengan tahap bersarang), table (pengepala serta baris bertaip), code, blockquote, rule dan image.
- tables: bagi PDF, setiap jadual yang dikesan dengan halaman ia ditemui dan, bagi jadual yang bersambung, halaman ia berakhir. Sel yang kelihatan seperti nombor adalah nombor.
- form_fields: hanya wujud apabila PDF mempunyai borang. Setiap medan mempunyai nama, jenis (text, choice, button atau signature) dan nilai semasanya.
- extraction: penukar mana yang berjalan, mod yang anda pilih, sama ada OCR diperlukan, dan sebarang amaran, seperti jadual yang tidak dapat dikesan.
Versi 1 format ini hanya akan menambah medan; medan sedia ada mengekalkan nama dan maknanya.
Data Berjadual dan Bersarang
CSV dan Excel adalah rata, JSON tidak. Apabila JSON ditukar kepada CSV atau Excel, objek bersarang diratakan menjadi nama lajur bertitik dan tatasusunan menjadi nama berindeks, supaya rekod pesanan dengan objek pelanggan dan tatasusunan item menjadi lajur seperti customer.name, items[0].sku dan items[1].sku. Apabila CSV atau Excel dikembalikan kepada JSON, pengepala yang ditulis dengan cara itu dibina semula menjadi objek dan tatasusunan bersarang. Pengepala dengan titik biasa, seperti nombor versi atau singkatan, dibiarkan begitu sahaja.
Nilai ditaip semasa masuk: nombor menjadi nombor, true dan false menjadi boolean, sel kosong menjadi null, dan selainnya kekal sebagai rentetan. Tarikh yang keluar daripada Excel ditulis sebagai rentetan ISO 8601, kerana JSON tidak mempunyai jenis tarikh. Tukar pilihan jenis nilai kepada teks apabila pengenal dengan sifar pendahulu perlu kekal seperti yang ditulis.
Pengesahan dan Pembaikan
Setiap alat JSON mengesahkan inputnya dengan cara yang sama. Fail yang tidak sah ditolak dengan baris dan lajur kesilapan pertama, dan petikan ringkas baris tersebut. Pemformat JSON juga boleh membaiki kesilapan yang paling biasa ditampal orang: komen, koma berlebihan, rentetan bertanda petik tunggal, kunci tanpa petikan, True, False dan None yang bertajuk besar, NaN dan Infinity, dan pagar kod di sekeliling teks. Apabila pembaikan dilakukan hasilnya memberitahu anda, supaya tiada apa-apa berubah secara senyap di sebalik tindakan anda.
Privasi
Fail yang dimuat naik dan teks yang ditampal diproses di pelayan kami dan dipadam dalam masa 60 minit; lihat panduan privasi untuk butiran lanjut. Tiada apa-apa disimpan lebih daripada masa itu dan tiada apa-apa digunakan untuk sebarang tujuan lain.