PDF у JSON

Перетворення PDF на структурований JSON: текст, таблиці, поля форм і метадані

PDF створений для читання, а не для програм. PDF у JSON перетворює PDF на один файл JSON, з яким може працювати код: метадані, текст кожної сторінки, заголовки, абзаци, списки і таблиці, знайдені в макеті, а також значення будь-яких полів форми. Це крок перед завантаженням документа в базу даних, пошуковий індекс або запит до AI.

Завантажте PDF і виберіть, що Вам потрібно. Структура дає все: блок source із назвою, автором, кількістю сторінок і датами; масив pages із текстом і розміром кожної сторінки; масив blocks у порядку читання із заголовками, абзацами, списками і таблицями; а також масив tables із кожною таблицею як типізованими рядками, позначеними номером сторінки. Тільки таблиці повертає лише таблиці, швидкий шлях для рахунків і виписок. Тільки текст сторінки повертає необроблений текст по кожній сторінці. Числа всередині таблиць повертаються як числа, тож підсумок є значенням, а не рядком.

Результат має одну задокументовану форму, описану в гіді з JSON, тож скрипт, написаний сьогодні, продовжує працювати. У режимі "Структура" відсканований PDF спочатку розпізнається, і про це повідомляє блок extraction; файл, захищений паролем, потрібно спочатку розблокувати. Для зворотного напрямку скористайтеся JSON у PDF, для електронної таблиці підійде PDF у Excel, а для звичайного тексту скористайтеся PDF у Markdown.