Convertir PDF a JSON
Extraiga las tablas de un PDF y recíbalas como registros JSON. La fila de encabezado aporta las claves, cada fila de la tabla se convierte en un objeto y el resultado se carga directamente en el código.
Convertidor de datos
o suelte aquí archivos CSV, TSV, TXT … ·
Máx. 95 MB por archivo· Hasta 20 archivos· Se borran a los 30 minutos
Los archivos se procesan en nuestros servidores y se borran a los 30 minutos.
Carácter que separa las columnas en archivos CSV y de texto, tanto al leer como al escribir. Automático lo detecta en la entrada y escribe comas.
UTF-8 funciona con cualquier idioma. Elija UTF-8 con BOM si Excel en Windows muestra tildes o caracteres asiáticos ilegibles al abrir el CSV.
Entrada de Excel, ODS y Numbers: convierte solo la primera hoja o todas (un CSV por hoja dentro de un ZIP, o una clave JSON por hoja).
Nombre de la pestaña de la hoja en la nueva hoja de cálculo, de hasta 31 caracteres.
Array de objetos usa los nombres de columna como claves en cada fila; array de arrays es más compacto y conserva el encabezado como primer array.
Nombre del elemento exterior que envuelve todas las filas; cada fila se convierte en un <row> dentro de él.
Se usa en las sentencias CREATE TABLE e INSERT. Solo letras, dígitos y guiones bajos.
Las comillas y los tipos de columna varían un poco entre bases de datos; elija aquella en la que va a importar.
Reescribe las celdas de fecha en un solo formato. ISO (2026-10-18) es el más seguro para bases de datos y código; Mantener sin cambios las deja como aparecen en el original.
Cómo usar esta herramienta
- 1
Suba el PDF
Agregue un extracto, una lista de precios o un informe con tablas. Hasta 20 PDF por lote, de 95 MB cada uno.
- 2
Elija la forma del JSON
Estructura JSON empieza en Array de objetos. Cambie a Array de arrays en Opciones avanzadas cuando la tabla no tenga una fila de encabezado útil.
- 3
Convierta y revise
Pulse Convertir a JSON, descargue el archivo y compare algunos registros con el PDF antes de que su script dependa de él.
PDF a JSON lee las tablas de un PDF y escribe cada fila como un objeto JSON, con los encabezados de columna como claves, de modo que los datos encerrados en un documento imprimible se vuelven algo que el código puede recorrer.
Por qué un PDF no sabe que contiene una tabla
Adobe presentó PDF en 1993 para que una página se viera igual en todas partes, y el formato, normalizado como ISO 32000-1 en 2008, sigue pensando en páginas. Dentro del archivo, una tabla es un conjunto de fragmentos de texto dibujados en coordenadas x e y, a menudo con algunas líneas trazadas entre ellos. No hay filas, columnas ni encabezado salvo que el autor haya exportado un PDF etiquetado, una opción añadida en PDF 1.4 que muchas herramientas todavía omiten.
Sacar JSON implica, por tanto, reconstruir la cuadrícula: agrupar en filas los fragmentos que comparten línea base, encontrar los huecos verticales que separan las columnas y tomar la fila superior como nombres. Funciona bien con PDF exportados desde programas contables, hojas de cálculo y herramientas de informes, donde cada celda está en una línea limpia. Tiene dificultades con tablas dibujadas a mano en un programa de maquetación, con celdas que abarcan varias columnas y con todo lo escaneado.
Quién convierte PDF a JSON y para qué
Lectura de facturas y extractos
Un desarrollador recibe facturas de proveedores o extractos bancarios en PDF y necesita las líneas como registros para cruzarlas con los pedidos.
Tablas de referencia publicadas
Aranceles, tarifas y listas de precios suelen aparecer solo en PDF. Con JSON, una app o un sitio web los carga sin volver a escribirlos.
Datos de prueba y prototipos
Un equipo de producto convierte una tabla de un documento de especificaciones en datos de prueba o en una API simulada.
Ejemplo de JSON a partir de una tabla de factura en PDF
[
{
"Artículo": "Papel A4, 500 hojas",
"Cant.": 4,
"Importe": 23.96
},
{
"Artículo": "Cartucho de tóner",
"Cant.": 1,
"Importe": 64
}
]Qué PDF se convierten a JSON y cuáles no
| from ↓ · to → | JSON | CSV | XLSX |
|---|---|---|---|
| PDF exportado desde un programa | PDF exportado desde un programa to JSON: yes | PDF exportado desde un programa to CSV: yes | PDF exportado desde un programa to XLSX: yes |
| PDF escaneado o fotografiado | – PDF escaneado o fotografiado to JSON: no | – PDF escaneado o fotografiado to CSV: no | – PDF escaneado o fotografiado to XLSX: no |
Portable Document Format
PDF fue creado por Adobe en 1993 y se convirtió en el estándar abierto ISO 32000 en 2008. Fija el texto, las fuentes, las imágenes y el diseño para que un documento se vea igual en cualquier pantalla e impresora. Los PDF pueden contener formularios, firmas, enlaces, archivos adjuntos y texto con búsqueda, y la variante PDF/A se usa para el archivo a largo plazo. El diseño fijo hace que los PDF sean difíciles de editar, y los PDF escaneados solo contienen imágenes a menos que se aplique OCR. Todos los navegadores y sistemas operativos pueden abrirlos.
- Compresión
- –
- Transparencia
- Sí
- Animación
- No
- Presentado en
- 1993 · Adobe
JSON
JavaScript Object Notation (JSON)
JSON es un formato de texto ligero para datos estructurados, popularizado por Douglas Crockford a principios de la década de 2000 y estandarizado como RFC 8259 y ECMA-404. Representa objetos, arreglos, cadenas, números, booleanos y null con una sintaxis sencilla y legible. Es el formato predeterminado para las API web, los archivos de configuración y el intercambio de datos entre aplicaciones en casi todos los lenguajes de programación. No incluye comentarios, fechas ni esquemas, y los archivos grandes y anidados son difíciles de leer sin un visor.
- Compresión
- –
- Transparencia
- –
- Animación
- –
- Presentado en
- 2001 · Douglas Crockford
Un PDF se pasa a JSON cuando un documento publicado para leer tiene que alimentar un programa: líneas de factura hacia un script contable, una tabla de tarifas publicada hacia una app o las cifras de un informe hacia una llamada a una API.
Preguntas sobre convertir PDF a JSON
¿Puedo convertir un PDF escaneado a JSON?
No directamente. Un escaneo es una imagen de la página, sin caracteres que un convertidor pueda leer. Páselo primero por reconocimiento de texto con las herramientas de imagen a texto y luego convierta la tabla reconocida.
¿De dónde salen las claves del JSON al convertir un PDF?
De la primera fila de cada tabla mientras La primera fila es el encabezado esté activado, así que una columna titulada Importe se convierte en la clave Importe en cada registro. Si la fila 1 ya son datos, desactive el ajuste y elija Array de arrays, que escribe cada fila como una lista simple.
¿Por qué importes como 1.234,50 € siguen siendo cadenas en el JSON?
Los números JSON, tal como los define el RFC 8259, admiten dígitos, un punto, un signo menos y un exponente, nada más. Un símbolo de moneda o un separador de miles convierte el valor en texto. Quite el símbolo en su código o limpie antes la columna en una hoja de cálculo.
¿Qué conviene más para una tabla de PDF, JSON o CSV?
JSON cuando el siguiente lector es código, porque las claves acompañan a cada valor y más adelante se pueden anidar resultados. CSV cuando el siguiente lector es una hoja de cálculo o una pantalla de importación; PDF a CSV escribe las mismas filas como líneas simples.
¿El JSON conserva algo del diseño del PDF?
No. Las fuentes, los colores, los saltos de página, los logotipos y la posición de la tabla en la página son presentación, y JSON solo transporta valores. Lo que obtiene es el contenido de las celdas, en orden de lectura.
