PDF naar JSON

PDF omzetten naar gestructureerde JSON: tekst, tabellen, formuliervelden en metadata

Een PDF is gemaakt om te lezen, niet voor programma's. PDF naar JSON zet een PDF om in één JSON-bestand waarmee code kan werken: metadata, de tekst van elke pagina, de koppen, alinea's, lijsten en tabellen uit de opmaak, en de waarden van eventuele formuliervelden. Het is de stap voordat u een document in een database, een zoekindex of een AI-prompt laadt.

Upload de PDF en kies wat u nodig hebt. Structuur geeft u alles: een sourceblok met titel, auteur, aantal pagina's en data; een pages-array met de tekst en afmetingen van elke pagina; een blocks-array in leesvolgorde van koppen, alinea's, lijsten en tabellen; en een tables-array met elke tabel als getypeerde rijen, gemarkeerd met de pagina waarop deze staat. Alleen tabellen geeft alleen de tabellen terug, de snelle route voor facturen en afschriften. Alleen paginatekst geeft de ruwe tekst per pagina terug. Getallen binnen tabellen komen terug als getallen, zodat een totaal een waarde is en geen tekststring.

De uitvoer volgt één gedocumenteerde vorm, beschreven in de JSON-gids, zodat een script dat u vandaag schrijft blijft werken. In de modus Structuur wordt een gescande PDF eerst herkend en vermeldt het extraction-blok dit; een met een wachtwoord beveiligd bestand moet eerst worden ontgrendeld. Gebruik voor de omgekeerde richting JSON naar PDF, voor een spreadsheet PDF naar Excel, en voor platte tekst PDF naar Markdown.