تبدیل PDF به JSON
جدول‌های یک فایل PDF را بیرون بکشید و آن‌ها را بهصورت رکوردهای JSON تحویل بگیرید. ردیف سرستون کلیدها را تعیین میکند، هر ردیف جدول به یک شیء تبدیل میشود و خروجی مستقیماً در کد بارگذاری میشود.
مبدل داده
یا فایل‌های CSV, TSV, TXT … را اینجا رها کنید ·
حداکثر 95 MB برای هر فایل· تا 20 فایل· حذف پس از 30 دقیقه
فایل‌ها روی سرورهای ما پردازش می‌شوند و پس از 30 دقیقه حذف می‌شوند.
نویسهای که ستون‌ها را در فایل‌های CSV و متنی جدا میکند، هم برای خواندن و هم برای نوشتن. حالت خودکار آن را از ورودی تشخیص می‌دهد و با ویرگول مینویسد.
UTF-8 برای همه زبان‌ها کار میکند. اگر Excel در ویندوز هنگام باز کردن CSV نویسه‌های اروپایی یا آسیایی را خراب نشان می‌دهد، UTF-8 با BOM را انتخاب کنید.
ورودی Excel، ODS و Numbers: فقط برگه اول تبدیل شود یا همه برگه‌ها (برای هر برگه یک CSV داخل ZIP، یا برای هر برگه یک کلید JSON).
نام زبانه برگه در صفحه‌گسترده جدید، حداکثر 31 نویسه.
آرایهای از شیءها برای هر ردیف از نام ستون‌ها به‌عنوان کلید استفاده میکند؛ آرایهای از آرایهها فشرده‌تر است و سرستون را به‌عنوان آرایه اول نگه میدارد.
نام عنصر بیرونی که همه ردیف‌ها را در بر می‌گیرد؛ هر ردیف داخل آن به یک <row> تبدیل میشود.
در دستورهای CREATE TABLE و INSERT استفاده میشود. فقط حروف انگلیسی، ارقام و زیرخط.
نقل‌قول‌گذاری و نوع ستون‌ها بین پایگاه‌های داده کمی فرق دارد؛ همان را که می‌خواهید در آن وارد کنید انتخاب کنید.
سلول‌های تاریخ را در یک قالب بازنویسی میکند. ISO (2026-10-18) برای پایگاه داده و کد امن‌ترین است؛ «بدون تغییر» آن‌ها را همان‌طور که در منبع هستند نگه میدارد.
نحوه استفاده از این ابزار
- 1
فایل PDF را بارگذاری کنید
صورت‌حساب، فهرست قیمت یا گزارشی را که جدول دارد اضافه کنید. در هر دسته تا 20 فایل PDF و هر کدام تا 95 MB مجاز است.
- 2
ساختار JSON را انتخاب کنید
ساختار JSON بهصورت پیش‌فرض روی آرایهای از اشیا است. اگر جدول سطر سرستون قابل‌استفاده ندارد، در تنظیمات پیشرفته آن را روی آرایهای از آرایهها بگذارید.
- 3
تبدیل و بررسی کنید
روی تبدیل به JSON بزنید، فایل را دانلود کنید و پیش از آنکه اسکریپت شما به آن تکیه کند، چند رکورد را با PDF مقایسه کنید.
تبدیل PDF به JSON جدول‌های یک PDF را می‌خواند و هر ردیف را با استفاده از سرستون‌ها به‌عنوان کلید، به یک شیء JSON تبدیل میکند؛ بدین ترتیب داده‌ای که در یک سند چاپی گیر افتاده، چیزی میشود که کد بتواند روی آن حلقه بزند.
چرا PDF نمی‌داند که جدول دارد
Adobe در سال 1993 فرمت PDF را معرفی کرد تا صفحه همه‌جا یکسان دیده شود و این فرمت که در 2008 با نام ISO 32000-1 استاندارد شد، هنوز بر پایهٔ صفحه فکر میکند. درون فایل، جدول مجموعه‌ای از تکه‌های متن است که در مختصات x و y کشیده شده‌اند و گاهی چند خط میان آن‌ها رسم شده است. ردیف، ستون یا سرستونی وجود ندارد، مگر اینکه سازنده PDF برچسب‌دار خروجی گرفته باشد؛ گزینه‌ای که در PDF 1.4 اضافه شد و بسیاری از ابزارها هنوز آن را نادیده می‌گیرند.
بنابراین گرفتن JSON یعنی بازسازی شبکهٔ جدول: تکه‌هایی که خط پایهٔ مشترک دارند در یک ردیف گروه می‌شوند، فاصله‌های عمودی میان ستون‌ها پیدا می‌شوند و ردیف بالا به‌عنوان نام‌ها در نظر گرفته میشود. این روش روی PDFهای خروجی نرم‌افزار حسابداری، صفحه‌گسترده و ابزار گزارش‌گیری که هر سلول روی خطی مرتب قرار دارد، خوب کار میکند. با جدول‌هایی که در نرم‌افزار صفحه‌آرایی دستی کشیده شده‌اند، سلول‌هایی که چند ستون را در بر می‌گیرند و هر چیز اسکنشده مشکل دارد.
چه کسانی PDF را به JSON تبدیل می‌کنند و برای چه کاری
تحلیل فاکتور و صورت‌حساب
توسعه‌دهنده‌ای فاکتورهای تأمین‌کننده یا صورت‌حساب‌های بانکی را بهصورت PDF می‌گیرد و اقلام را به شکل رکورد لازم دارد تا با سفارش‌ها تطبیق دهد.
جدول‌های مرجع منتشرشده
تعرفه‌ها، نرخنامه‌ها و فهرست قیمت‌ها اغلب فقط بهصورت PDF منتشر می‌شوند. با JSON یک اپ یا وب‌سایت می‌تواند آن‌ها را بدون تایپ دوباره بارگذاری کند.
داده آزمایشی و نمونه اولیه
یک تیم محصول جدولی از سند مشخصات را به داده‌های آزمون یا یک API آزمایشی تبدیل میکند.
نمونه JSON از جدول یک فاکتور PDF
[
{
"Item": "Paper A4, 500 sheets",
"Qty": 4,
"Amount": 23.96
},
{
"Item": "Toner cartridge",
"Qty": 1,
"Amount": 64
}
]کدام فایل‌های PDF به JSON تبدیل می‌شوند و کدام نه
| from ↓ · to → | JSON | CSV | XLSX |
|---|---|---|---|
| PDF خروجی نرم‌افزار | PDF خروجی نرم‌افزار to JSON: yes | PDF خروجی نرم‌افزار to CSV: yes | PDF خروجی نرم‌افزار to XLSX: yes |
| PDF اسکنشده یا عکس‌گرفته‌شده | – PDF اسکنشده یا عکس‌گرفته‌شده to JSON: no | – PDF اسکنشده یا عکس‌گرفته‌شده to CSV: no | – PDF اسکنشده یا عکس‌گرفته‌شده to XLSX: no |
فرمت سند قابل‌حمل
PDF را Adobe در سال ۱۹۹۳ ساخت و در سال ۲۰۰۸ به استاندارد باز ISO 32000 تبدیل شد. متن، فونت‌ها، تصاویر و چیدمان را ثابت نگه میدارد تا سند روی هر صفحه‌نمایش و چاپگر یکسان دیده شود. PDF می‌تواند شامل فرم، امضا، پیوند، پیوست و متن قابل جست‌وجو باشد و نوع PDF/A برای بایگانی بلندمدت به کار می‌رود. چیدمان ثابت ویرایش PDF را دشوار میکند و PDFهای اسکنشده تا وقتی OCR اعمال نشود فقط تصویر دارند. همه مرورگرها و سیستم‌عامل‌ها می‌توانند آن را باز کنند.
- فشرده‌سازی
- –
- شفافیت
- بله
- انیمیشن
- خیر
- سال معرفی
- 1993 · Adobe
JSON
نشانه‌گذاری شیء جاوااسکریپت (JSON)
JSON یک فرمت متنی سبک برای داده‌های ساختاریافته است که Douglas Crockford در اوایل دهه 2000 آن را رایج کرد و با عنوان RFC 8259 و ECMA-404 استاندارد شد. اشیا، آرایهها، رشته‌ها، اعداد، مقادیر بولی و null را با نحوی ساده و خوانا نمایش می‌دهد. این فرمت پیش‌فرض APIهای وب، فایل‌های پیکربندی و تبادل داده بین برنامه‌ها در تقریباً همه زبان‌های برنامه‌نویسی است. توضیحات، تاریخ یا طرحواره ندارد و فایل‌های بزرگ تودرتو بدون نمایشگر سخت خوانده می‌شوند.
- فشرده‌سازی
- –
- شفافیت
- –
- انیمیشن
- –
- سال معرفی
- 2001 · Douglas Crockford
وقتی سندی که برای خواندن منتشر شده باید به یک برنامه داده بدهد، PDF به JSON تبدیل میشود: ردیف‌های فاکتور برای اسکریپت حسابداری، جدول نرخ‌های منتشرشده برای یک اپ، یا ارقام یک گزارش برای فراخوانی API.
پرسش‌های متداول تبدیل PDF به JSON
آیا میتوان PDF اسکنشده را به JSON تبدیل کرد؟
مستقیم نه. اسکن تصویر یک صفحه است و نویسهای ندارد که مبدل بتواند بخواند. ابتدا آن را با ابزارهای تبدیل عکس به متن بازشناسی کنید و سپس جدول شناساییشده را تبدیل کنید.
کلیدهای JSON از کجا میآیند؟
تا وقتی ردیف اول سرستون است روشن باشد، از ردیف اول هر جدول؛ پس ستونی با عنوان Amount در همه رکوردها به کلید Amount تبدیل میشود. اگر ردیف اول خودش داده است، این گزینه را خاموش کنید و آرایهای از آرایهها را انتخاب کنید که هر ردیف را بهصورت یک فهرست ساده مینویسد.
چرا مبالغی مانند €1.234,50 همچنان رشته باقی می‌مانند؟
اعداد JSON طبق تعریف RFC 8259 فقط رقم، یک نقطه، علامت منفی و نما را می‌پذیرند و چیز دیگری مجاز نیست. نماد ارز یا جداکننده هزارگان مقدار را به متن تبدیل میکند. نماد را در کد خود حذف کنید یا ابتدا ستون را در صفحه‌گسترده پاک‌سازی کنید.
برای جدول PDF، خروجی JSON بهتر است یا CSV؟
وقتی خواننده بعدی کد است، JSON؛ چون کلیدها همراه هر مقدار میآیند و بعداً نتیجه‌های تودرتو هم ممکن است. وقتی خواننده بعدی صفحه‌گسترده یا صفحهٔ وارد کردن داده است، CSV؛ تبدیل PDF به CSV همین ردیف‌ها را بهصورت خطوط ساده مینویسد.
آیا JSON چیزی از چیدمان PDF را حفظ میکند؟
نه. قلمها، رنگها، شکست صفحه، لوگوها و جای جدول در صفحه جزو ظاهر هستند و JSON فقط مقدارها را نگه میدارد. آنچه میگیرید محتوای سلولها به ترتیب خواندن است.
