Convertor PDF în JSON
Extrageți tabelele dintr-un PDF și primiți-le ca înregistrări JSON. Rândul de antet dă cheile, fiecare rând al tabelului devine un obiect, iar rezultatul se încarcă direct în cod.
Convertor de date
sau trage Fișiere CSV, TSV, TXT … aici ·
Maximum 95 MB per fișier· Până la 20 fișiere· Șterse după 30 minute
Fișierele sunt procesate pe serverele noastre și șterse după 30 minute.
Caracterul care separă coloanele în fișierele CSV și text, atât la citire, cât și la scriere. Automat îl detectează din fișierul de intrare și scrie virgule.
UTF-8 funcționează pentru toate limbile. Alegeți UTF-8 cu BOM dacă Excel pe Windows afișează incorect diacriticele sau caracterele asiatice la deschiderea CSV-ului.
Pentru fișiere Excel, ODS și Numbers: convertiți doar prima foaie sau toate foile (un CSV per foaie într-un ZIP sau o cheie JSON per foaie).
Numele filei din noul registru de calcul, maximum 31 de caractere.
Matrice de obiecte folosește numele coloanelor drept chei pentru fiecare rând; matricea de matrice este mai compactă și păstrează antetul ca prim element.
Numele elementului exterior care include toate rândurile; fiecare rând devine un <row> în interiorul lui.
Folosit în instrucțiunile CREATE TABLE și INSERT. Doar litere, cifre și liniuțe de subliniere.
Ghilimelele și tipurile de coloane diferă ușor între baze de date; alegeți-o pe cea în care veți importa.
Rescrie celulele cu date într-un singur format. ISO (2026-10-18) este cel mai sigur pentru baze de date și cod; Păstrare le lasă așa cum apar în sursă.
Cum se folosește acest instrument
- 1
Încărcați PDF-ul
Adăugați un extras de cont, o listă de prețuri sau un raport care conține tabele. Cel mult 20 de PDF-uri pe lot, câte 95 MB fiecare.
- 2
Alegeți structura JSON
Structura JSON pornește de la Array of objects. Treceți la Array of arrays în Setări avansate când tabelul nu are un rând de antet utilizabil.
- 3
Convertiți și verificați
Apăsați Convertește în JSON, descărcați fișierul și comparați câteva înregistrări cu PDF-ul înainte ca scriptul dvs. să se bazeze pe el.
Conversia PDF în JSON citește tabelele dintr-un PDF și scrie fiecare rând ca obiect JSON, folosind antetele coloanelor drept chei, astfel încât datele blocate într-un document de tipărit devin ceva prin care codul poate itera.
De ce un PDF nu știe că are un tabel în el
Adobe a lansat PDF în 1993 pentru ca o pagină să arate la fel peste tot, iar formatul, standardizat ca ISO 32000-1 în 2008, gândește și acum în pagini. În interiorul fișierului, un tabel este un set de fragmente de text desenate la coordonate x și y, adesea cu câteva linii trasate între ele. Nu există rând, coloană sau antet decât dacă autorul a exportat un PDF etichetat (tagged PDF), o opțiune adăugată în PDF 1.4 pe care multe instrumente tot o ignoră.
Obținerea JSON înseamnă deci reconstruirea grilei: gruparea fragmentelor care au aceeași linie de bază în rânduri, găsirea spațiilor verticale care separă coloanele și tratarea rândului de sus drept nume. Funcționează bine pe PDF-uri exportate din programe de contabilitate, foi de calcul și instrumente de raportare, unde fiecare celulă stă pe o linie curată. Are dificultăți cu tabelele desenate manual într-un program de machetare, cu celule care se întind pe mai multe coloane și cu orice document scanat.
Cine convertește PDF în JSON și cu ce scop
Analiza facturilor și a extraselor
Un dezvoltator primește facturi de la furnizori sau extrase de cont în PDF și are nevoie de liniile lor ca înregistrări, pentru a le potrivi cu comenzile.
Tabele de referință publicate
Tarifele, listele de prețuri și ofertele apar adesea doar ca PDF-uri. JSON permite unei aplicații sau unui site să le încarce fără retastare.
Date de test și prototipuri
O echipă de produs transformă un tabel dintr-un document de specificații în date pentru teste sau într-un API fictiv.
Exemplu de JSON dintr-un tabel de factură PDF
[
{
"Item": "Paper A4, 500 sheets",
"Qty": 4,
"Amount": 23.96
},
{
"Item": "Toner cartridge",
"Qty": 1,
"Amount": 64
}
]Ce PDF-uri se pot converti în JSON și care nu
| from ↓ · to → | JSON | CSV | XLSX |
|---|---|---|---|
| PDF exportat dintr-un program | PDF exportat dintr-un program to JSON: yes | PDF exportat dintr-un program to CSV: yes | PDF exportat dintr-un program to XLSX: yes |
| PDF scanat sau fotografiat | – PDF scanat sau fotografiat to JSON: no | – PDF scanat sau fotografiat to CSV: no | – PDF scanat sau fotografiat to XLSX: no |
Portable Document Format
PDF a fost creat de Adobe în 1993 și a devenit standardul deschis ISO 32000 în 2008. Fixează textul, fonturile, imaginile și aspectul, astfel încât documentul arată la fel pe orice ecran și imprimantă. PDF-urile pot conține formulare, semnături, linkuri, atașamente și text căutabil, iar varianta PDF/A este folosită pentru arhivare pe termen lung. Aspectul fix face PDF-urile greu de editat, iar PDF-urile scanate conțin doar imagini, dacă nu se aplică OCR. Orice browser și sistem de operare le poate deschide.
- Compresie
- –
- Transparență
- Da
- Animație
- Nu
- Introdus în
- 1993 · Adobe
JSON
JavaScript Object Notation
JSON este un format text ușor pentru date structurate, popularizat de Douglas Crockford la începutul anilor 2000 și standardizat ca RFC 8259 și ECMA-404. Reprezintă obiecte, liste, șiruri de caractere, numere, valori booleene și null printr-o sintaxă simplă și lizibilă. Este formatul implicit pentru API-uri web, fișiere de configurare și schimbul de date între aplicații în aproape toate limbajele de programare. Nu are comentarii, date calendaristice sau scheme încorporate, iar fișierele mari, cu multe niveluri, sunt greu de citit fără un vizualizator.
- Compresie
- –
- Transparență
- –
- Animație
- –
- Introdus în
- 2001 · Douglas Crockford
PDF-ul se transformă în JSON când un document publicat pentru citire trebuie să alimenteze un program: liniile unei facturi într-un script de contabilitate, un tabel de tarife publicat într-o aplicație sau cifrele unui raport într-un apel API.
Întrebări despre conversia PDF în JSON
Pot converti în JSON un PDF scanat?
Nu direct. O scanare este o imagine a paginii, fără caractere pe care un convertor să le citească. Treceți-o mai întâi prin recunoașterea textului cu instrumentele imagine în text, apoi convertiți tabelul recunoscut.
De unde provin cheile din JSON?
Din primul rând al fiecărui tabel, cât timp opțiunea Primul rând este antet este activată, așa că o coloană numită Amount devine cheia Amount în fiecare înregistrare. Dacă rândul 1 conține deja date, dezactivați opțiunea și alegeți Array of arrays, care scrie fiecare rând ca o listă simplă.
De ce sumele precum €1.234,50 rămân șiruri de caractere?
Numerele JSON, așa cum le definește RFC 8259, permit cifre, un punct, semnul minus și un exponent, nimic altceva. Un simbol monetar sau un separator de mii transformă valoarea în text. Eliminați simbolul în codul dvs. sau curățați mai întâi coloana într-un program de calcul tabelar.
Pentru un tabel din PDF, este mai bun JSON sau CSV?
JSON, când următorul cititor este un program, pentru că cheile însoțesc fiecare valoare și ulterior sunt posibile rezultate imbricate. CSV, când următorul cititor este un program de calcul tabelar sau un ecran de import; PDF în CSV scrie aceleași rânduri ca linii simple.
JSON-ul păstrează ceva din aspectul PDF-ului?
Nu. Fonturile, culorile, sfârșiturile de pagină, siglele și poziția tabelului în pagină țin de prezentare, iar JSON conține doar valori. Primiți conținutul celulelor, în ordinea de citire.
