PDF sang JSON

Chuyển PDF thành JSON có cấu trúc: văn bản, bảng, trường biểu mẫu và metadata

PDF được tạo ra để đọc, không phải để chương trình xử lý. PDF sang JSON biến một file PDF thành một file JSON duy nhất mà mã nguồn có thể xử lý được: metadata, văn bản của mọi trang, các tiêu đề, đoạn văn, danh sách và bảng có trong bố cục, cùng giá trị của mọi trường biểu mẫu. Đây là bước cần thiết trước khi nạp một tài liệu vào cơ sở dữ liệu, chỉ mục tìm kiếm hoặc một câu lệnh AI.

Tải PDF lên và chọn những gì bạn cần. Cấu trúc cho bạn mọi thứ: một khối source với tiêu đề, tác giả, số trang và ngày; một mảng pages với văn bản và kích thước của từng trang; một mảng blocks theo thứ tự đọc gồm tiêu đề, đoạn văn, danh sách và bảng; và một mảng tables với mọi bảng dưới dạng các hàng đã định kiểu, được gắn nhãn theo trang. Chỉ bảng chỉ trả về các bảng, là lối đi nhanh cho hóa đơn và sao kê. Chỉ văn bản trang trả về văn bản thô theo từng trang. Số bên trong bảng được trả về dưới dạng số, vì vậy một tổng số là một giá trị chứ không phải một chuỗi văn bản.

Đầu ra tuân theo một cấu trúc được ghi chép rõ ràng, mô tả trong hướng dẫn JSON, nên một đoạn mã viết hôm nay sẽ vẫn hoạt động về sau. Ở chế độ Cấu trúc, một PDF đã quét được nhận diện trước và khối extraction sẽ cho biết điều đó; một file được bảo vệ bằng mật khẩu phải được mở khóa trước. Để làm theo hướng ngược lại, hãy dùng JSON sang PDF; để có một bảng tính, hãy dùng PDF sang Excel; và để có văn xuôi, hãy dùng PDF sang Markdown.