PDF în JSON

Convertiți un PDF în JSON structurat: text, tabele, câmpuri de formular și metadate

Un PDF este făcut pentru a fi citit, nu pentru a fi procesat de programe. PDF în JSON transformă un PDF într-un singur fișier JSON cu care codul poate lucra: metadate, textul fiecărei pagini, titlurile, paragrafele, listele și tabelele găsite în aspect, precum și valorile oricăror câmpuri de formular. Este etapa dinaintea încărcării unui document într-o bază de date, un index de căutare sau un prompt de inteligență artificială.

Încărcați PDF-ul și alegeți ce vă este necesar. Structură oferă totul: un bloc sursă cu titlu, autor, numărul de pagini și date calendaristice; un vector de pagini cu textul și dimensiunea fiecărei pagini; un vector de blocuri, în ordinea citirii, de titluri, paragrafe, liste și tabele; și un vector de tabele cu fiecare tabel ca rânduri tipizate, etichetat cu pagina sa. Doar tabele returnează numai tabelele, ruta rapidă pentru facturi și extrase de cont. Doar textul paginii returnează textul brut per pagină. Numerele din interiorul tabelelor sunt returnate ca numere, astfel încât un total este o valoare, nu un șir.

Rezultatul respectă o singură formă documentată, descrisă în ghidul JSON, astfel încât un script scris astăzi continuă să funcționeze. În modul Structură, un PDF scanat este recunoscut mai întâi, iar blocul de extracție indică acest lucru; un fișier protejat prin parolă trebuie deblocat mai întâi. Pentru direcția inversă folosiți JSON în PDF, pentru o foaie de calcul folosiți PDF în Excel, iar pentru proză folosiți PDF în Markdown.