PDF para JSON

Converta um PDF em JSON estruturado: texto, tabelas, campos de formulário e metadados

Um PDF é feito para ser lido, não para ser processado por programas. PDF para JSON transforma um PDF num único arquivo JSON que o código pode usar: metadados, o texto de cada página, os títulos, parágrafos, listas e tabelas encontrados no layout, e os valores de qualquer campo de formulário. É o passo anterior a carregar um documento num banco de dados, num índice de busca ou num prompt de inteligência artificial.

Envie o PDF e escolha o que você precisa. Estrutura entrega tudo: um bloco de origem com título, autor, número de páginas e datas; um array de páginas com o texto e o tamanho de cada uma; um array de blocos na ordem de leitura com títulos, parágrafos, listas e tabelas; e um array de tabelas com cada tabela como linhas tipadas, identificadas pela página em que aparecem. Somente tabelas devolve apenas as tabelas, o caminho mais rápido para faturas e extratos. Somente texto da página devolve o texto bruto de cada página. Os números dentro das tabelas voltam como números, então um total é um valor, não uma string.

A saída segue um formato documentado, descrito no guia de JSON, para que um script escrito hoje continue funcionando depois. No modo Estrutura, um PDF digitalizado é reconhecido primeiro e o bloco de extração informa isso; um arquivo protegido por senha precisa ser desbloqueado antes. Para a direção inversa, use JSON para PDF; para uma planilha, use PDF para Excel; e para texto corrido, use PDF para Markdown.