PDF в JSON

Преобразование PDF в структурированный JSON: текст, таблицы, поля форм и метаданные

PDF создан для чтения, а не для программ. PDF в JSON превращает PDF в единый файл JSON, с которым может работать код: метаданные, текст каждой страницы, заголовки, абзацы, списки и таблицы, найденные в макете, а также значения любых полей формы. Это шаг, который предшествует загрузке документа в базу данных, поисковый индекс или запрос к ИИ.

Загрузите PDF и выберите, что Вам нужно. Структура даёт всё сразу: блок источника с заголовком, автором, количеством страниц и датами; массив страниц с текстом и размером каждой страницы; массив блоков в порядке чтения из заголовков, абзацев, списков и таблиц; и массив таблиц, где каждая таблица представлена типизированными строками с указанием своей страницы. Только таблицы возвращает исключительно таблицы, быстрый путь для счетов и выписок. Только текст страницы возвращает необработанный текст по страницам. Числа внутри таблиц возвращаются как числа, поэтому итоговая сумма представлена значением, а не строкой.

Результат имеет одну документированную форму, описанную в руководстве по JSON, поэтому написанный сегодня скрипт продолжит работать и позже. В режиме "Структура" отсканированный PDF распознаётся заранее, и блок извлечения сообщает об этом; файл, защищённый паролем, нужно предварительно разблокировать. Для обратного преобразования используйте JSON в PDF, для получения электронной таблицы, PDF в Excel, а для обычного текста, PDF в Markdown.