PDF నుండి JSON కన్వర్టర్
PDFలోని టేబుల్స్‌ను బయటకు తీసి JSON రికార్డులుగా పొందండి. హెడర్ వరుస కీలను ఇస్తుంది, టేబుల్‌లోని ప్రతి వరుస ఒక ఆబ్జెక్ట్ అవుతుంది, ఫలితం నేరుగా కోడ్‌లోకి లోడ్ అవుతుంది.
డేటా కన్వర్టర్
లేదా CSV, TSV, TXT … ఫైళ్లు ను ఇక్కడ వదలండి ·
ఒక్కో ఫైల్‌కు గరిష్ఠంగా 95 MB· గరిష్ఠంగా 20 ఫైళ్లు· 30 నిమిషాల తర్వాత తొలగించబడతాయి
ఫైళ్లు మా సర్వర్లలో ప్రాసెస్ చేయబడి 30 నిమిషాల తర్వాత తొలగించబడతాయి.
CSV మరియు టెక్స్ట్ ఫైళ్లలో నిలువు వరుసలను వేరు చేసే అక్షరం, చదవడానికి మరియు రాయడానికి రెండింటికీ. ఆటో ఇన్‌పుట్ నుండి దాన్ని గుర్తించి కామాలతో రాస్తుంది.
UTF-8 అన్ని భాషలకు పనిచేస్తుంది. Windowsలో Excel CSVని తెరిచినప్పుడు యాక్సెంట్లు లేదా ఆసియా అక్షరాలు గందరగోళంగా కనిపిస్తే BOMతో UTF-8 ఎంచుకోండి.
Excel, ODS మరియు Numbers ఇన్‌పుట్: మొదటి షీట్‌ను మాత్రమే మార్చండి, లేదా అన్ని షీట్లను (ZIPలో ప్రతి షీట్‌కు ఒక CSV, లేదా ప్రతి షీట్‌కు ఒక JSON కీ).
కొత్త స్ప్రెడ్‌షీట్‌లో షీట్ ట్యాబ్ పేరు, గరిష్టంగా 31 అక్షరాలు.
ఆబ్జెక్ట్‌ల అరే ప్రతి వరుసకు నిలువు వరుసల పేర్లను కీలుగా ఉపయోగిస్తుంది; అరేల అరే మరింత కాంపాక్ట్‌గా ఉండి, హెడర్‌ను మొదటి అరేగా ఉంచుతుంది.
అన్ని వరుసలను చుట్టే బయటి ఎలిమెంట్ పేరు; ప్రతి వరుస దానిలో <row>గా మారుతుంది.
CREATE TABLE మరియు INSERT స్టేట్మెంట్లలో ఉపయోగిస్తారు. అక్షరాలు, అంకెలు మరియు అండర్స్కోర్లు మాత్రమే.
డేటాబేస్ల మధ్య కోటింగ్ మరియు కాలమ్ రకాలు కొద్దిగా భిన్నంగా ఉంటాయి; మీరు ఇంపోర్ట్ చేయబోయేదాన్ని ఎంచుకోండి.
తేదీ సెల్లను ఒకే ఫార్మాట్‌లో తిరిగి రాయండి. డేటాబేస్‌లు మరియు కోడ్‌కు ISO (2026-10-18) అత్యంత సురక్షితం; 'యథాతథంగా ఉంచు' మూలంలో ఉన్నట్లే ఉంచుతుంది.
ఈ టూల్‌ను ఎలా ఉపయోగించాలి
- 1
PDFను అప్‌లోడ్ చేయండి
పట్టికలు ఉన్న స్టేట్‌మెంట్, ధరల జాబితా లేదా రిపోర్ట్‌ను జోడించండి. ఒక బ్యాచ్‌లో గరిష్టంగా 20 PDFలు, ఒక్కొక్కటి 95 MB వరకు.
- 2
JSON ఆకృతిని ఎంచుకోండి
JSON నిర్మాణం డిఫాల్ట్‌గా Array of objects నుండి మొదలవుతుంది. పట్టికలో ఉపయోగపడే హెడర్ వరుస లేకపోతే అధునాతన సెట్టింగ్‌లు కింద Array of arraysకు మార్చండి.
- 3
మార్చి, సరిచూసుకోండి
JSONకు మార్చండి నొక్కి, ఫైల్‌ను డౌన్‌లోడ్ చేసి, మీ స్క్రిప్ట్ దానిపై ఆధారపడే ముందు కొన్ని రికార్డులను PDFతో పోల్చి చూడండి.
PDF నుండి JSON టూల్ PDFలోని పట్టికలను చదివి, నిలువు వరుస హెడర్లను కీలుగా ఉపయోగించి ప్రతి వరుసను JSON ఆబ్జెక్ట్‌గా రాస్తుంది. దీంతో ప్రింట్ చేసే డాక్యుమెంట్‌లో బంధించిన డేటాను కోడ్ లూప్ చేయగలదు.
తనలో టేబుల్ ఉందని PDFకు ఎందుకు తెలియదు
పేజీ ప్రతిచోటా ఒకేలా కనిపించేలా Adobe 1993లో PDFను ప్రవేశపెట్టింది. 2008లో ISO 32000-1గా ప్రమాణీకరించిన ఈ ఫార్మాట్ ఇప్పటికీ పేజీల పరంగానే ఆలోచిస్తుంది. ఫైల్ లోపల పట్టిక అంటే x, y కోఆర్డినేట్ల వద్ద గీసిన టెక్స్ట్ ముక్కల సమూహం, వాటి మధ్య కొన్ని గీతలు ఉండవచ్చు. రచయిత ట్యాగ్డ్ PDF ఎగుమతి చేస్తే తప్ప వరుసలు, నిలువు వరుసలు, హెడర్ ఉండవు; PDF 1.4లో వచ్చిన ఈ ఎంపికను చాలా టూల్స్ ఇప్పటికీ వదిలేస్తాయి.
అందువల్ల JSON పొందడం అంటే గ్రిడ్‌ను తిరిగి నిర్మించడం: ఒకే బేస్‌లైన్ ఉన్న ముక్కలను వరుసలుగా సమూహపరచడం, నిలువు వరుసలను వేరు చేసే నిలువు ఖాళీలను కనుగొనడం, పై వరుసను పేర్లుగా తీసుకోవడం. అకౌంటింగ్ సాఫ్ట్‌వేర్, స్ప్రెడ్‌షీట్లు, రిపోర్టింగ్ టూల్స్ నుండి ఎగుమతి చేసిన PDFలలో ప్రతి సెల్ శుభ్రమైన గీతపై ఉంటుంది కాబట్టి ఇది బాగా పనిచేస్తుంది. లేఅవుట్ ప్రోగ్రామ్‌లో చేతితో గీసిన పట్టికలు, అనేక నిలువు వరుసలను విస్తరించే సెల్‌లు, స్కాన్ చేసినవాటితో ఇబ్బంది ఉంటుంది.
PDFను JSONగా ఎవరు, ఎందుకు మారుస్తారు
ఇన్వాయిస్, స్టేట్‌మెంట్ పార్సింగ్
డెవలపర్‌కు సప్లయర్ ఇన్వాయిస్‌లు లేదా బ్యాంక్ స్టేట్‌మెంట్‌లు PDFలుగా వస్తాయి; ఆర్డర్లతో సరిపోల్చడానికి లైన్ ఐటెమ్‌లు రికార్డులుగా కావాలి.
ప్రచురించిన రిఫరెన్స్ పట్టికలు
టారిఫ్‌లు, రేట్ కార్డులు, ధరల జాబితాలు తరచుగా PDFగా మాత్రమే ఉంటాయి. JSON ఉంటే యాప్ లేదా వెబ్‌సైట్ మళ్లీ టైప్ చేయకుండానే వాటిని లోడ్ చేయగలదు.
టెస్ట్ డేటా, ప్రోటోటైప్‌లు
ప్రొడక్ట్ టీమ్ స్పెక్ డాక్యుమెంట్‌లోని పట్టికను టెస్టుల ఫిక్స్చర్లుగా లేదా మాక్ API గా మారుస్తుంది.
PDF ఇన్వాయిస్ టేబుల్ నుండి వచ్చిన నమూనా JSON
[
{
"Item": "Paper A4, 500 sheets",
"Qty": 4,
"Amount": 23.96
},
{
"Item": "Toner cartridge",
"Qty": 1,
"Amount": 64
}
]ఏ PDFలు JSONగా మారుతాయి, ఏవి మారవు
| from ↓ · to → | JSON | CSV | XLSX |
|---|---|---|---|
| సాఫ్ట్‌వేర్ నుండి ఎగుమతి చేసిన PDF | సాఫ్ట్‌వేర్ నుండి ఎగుమతి చేసిన PDF to JSON: yes | సాఫ్ట్‌వేర్ నుండి ఎగుమతి చేసిన PDF to CSV: yes | సాఫ్ట్‌వేర్ నుండి ఎగుమతి చేసిన PDF to XLSX: yes |
| స్కాన్ చేసిన లేదా ఫోటో తీసిన PDF | – స్కాన్ చేసిన లేదా ఫోటో తీసిన PDF to JSON: no | – స్కాన్ చేసిన లేదా ఫోటో తీసిన PDF to CSV: no | – స్కాన్ చేసిన లేదా ఫోటో తీసిన PDF to XLSX: no |
Portable Document Format
PDFని Adobe 1993లో రూపొందించింది, 2008లో ఓపెన్ ISO 32000 ప్రమాణంగా మారింది. ఇది టెక్స్ట్, ఫాంట్లు, చిత్రాలు, లేఅవుట్‌ను స్థిరపరుస్తుంది, కాబట్టి పత్రం ప్రతి స్క్రీన్, ప్రింటర్‌లో ఒకేలా కనిపిస్తుంది. PDFలలో ఫారమ్‌లు, సంతకాలు, లింకులు, అటాచ్‌మెంట్లు, శోధించగల టెక్స్ట్ ఉండవచ్చు, PDF/A రకాన్ని దీర్ఘకాల ఆర్కైవింగ్‌కు వాడతారు. స్థిర లేఅవుట్ వల్ల PDFలను ఎడిట్ చేయడం కష్టం, స్కాన్ చేసిన PDFలలో OCR వర్తింపజేయకపోతే చిత్రాలు మాత్రమే ఉంటాయి. ప్రతి బ్రౌజర్, ఆపరేటింగ్ సిస్టమ్ వీటిని తెరవగలదు.
- కంప్రెషన్
- –
- పారదర్శకత
- అవును
- యానిమేషన్
- కాదు
- పరిచయమైన సంవత్సరం
- 1993 · Adobe
JSON
జావాస్క్రిప్ట్ ఆబ్జెక్ట్ నొటేషన్
JSON అనేది నిర్మాణాత్మక డేటా కోసం తేలికైన టెక్స్ట్ ఫార్మాట్; 2000ల ఆరంభంలో డగ్లస్ క్రాక్‌ఫోర్డ్ ప్రాచుర్యంలోకి తెచ్చారు, RFC 8259 మరియు ECMA-404గా ప్రామాణీకరించబడింది. ఇది ఆబ్జెక్ట్‌లు, అర్రేలు, స్ట్రింగ్‌లు, సంఖ్యలు, బూలియన్‌లు మరియు nullను సరళమైన, చదవగల సింటాక్స్‌తో సూచిస్తుంది. దాదాపు ప్రతి ప్రోగ్రామింగ్ భాషలో వెబ్ APIలు, కాన్ఫిగరేషన్ ఫైళ్లు మరియు యాప్‌ల మధ్య డేటా మార్పిడికి ఇది డిఫాల్ట్ ఫార్మాట్. దీనిలో కామెంట్లు, తేదీలు, స్కీమాలు అంతర్నిర్మితంగా ఉండవు, పెద్ద నెస్టెడ్ ఫైళ్లను వ్యూయర్ లేకుండా చదవడం కష్టం.
- కంప్రెషన్
- –
- పారదర్శకత
- –
- యానిమేషన్
- –
- పరిచయమైన సంవత్సరం
- 2001 · Douglas Crockford
చదవడానికి ప్రచురించిన డాక్యుమెంట్ ఒక ప్రోగ్రామ్‌కు డేటా ఇవ్వాల్సినప్పుడు PDF నుండి JSONకు మారుస్తారు: ఇన్వాయిస్ లైన్లు అకౌంటింగ్ స్క్రిప్ట్‌కు, ప్రచురిత రేట్ టేబుల్ యాప్‌కు, రిపోర్ట్ అంకెలు API కాల్‌కు.
PDF నుండి JSON: ప్రశ్నలు
స్కాన్ చేసిన PDFను JSONగా మార్చగలనా?
నేరుగా కాదు. స్కాన్ అంటే పేజీ చిత్రం మాత్రమే; కన్వర్టర్ చదవడానికి అక్షరాలు ఉండవు. ముందుగా ఇమేజ్ నుండి టెక్స్ట్ టూల్స్‌తో టెక్స్ట్ రికగ్నిషన్ చేసి, ఆ తర్వాత గుర్తించిన పట్టికను మార్చండి.
JSONలోని కీలు ఎక్కడ నుండి వస్తాయి?
మొదటి వరుస హెడర్ ఆన్లో ఉన్నప్పుడు ప్రతి పట్టిక మొదటి వరుస నుండి తీసుకుంటుంది. అందువల్ల Amount అనే నిలువు వరుస ప్రతి రికార్డులో Amount అనే కీ అవుతుంది. మొదటి వరుసే డేటా అయితే ఈ సెట్టింగ్ను ఆఫ్ చేసి Array of arrays ఎంచుకోండి; ఇది ప్రతి వరుసను సాధారణ జాబితాగా రాస్తుంది.
€1.234,50 వంటి మొత్తాలు ఇంకా స్ట్రింగ్‌లుగానే ఎందుకు ఉన్నాయి?
RFC 8259 నిర్వచించినట్లు JSON సంఖ్యల్లో అంకెలు, ఒక చుక్క, మైనస్ గుర్తు, ఎక్స్‌పోనెంట్ మాత్రమే ఉండవచ్చు. కరెన్సీ గుర్తు లేదా వేలాది విభజన గుర్తు ఉంటే విలువ టెక్స్ట్ అవుతుంది. మీ కోడ్‌లో ఆ గుర్తును తొలగించండి, లేదా ముందుగా స్ప్రెడ్‌షీట్‌లో ఆ నిలువు వరుసను శుభ్రం చేయండి.
PDF టేబుల్ కోసం JSON మంచిదా లేక CSV మంచిదా?
తదుపరి చదివేది కోడ్ అయితే JSON, ఎందుకంటే కీలు ప్రతి విలువతో కలిసి ఉంటాయి, భవిష్యత్తులో నెస్టెడ్ ఫలితాలూ సాధ్యమే. తదుపరి చదివేది స్ప్రెడ్‌షీట్ లేదా ఇంపోర్ట్ స్క్రీన్ అయితే CSV; PDF నుండి CSV అవే వరుసలను సాధారణ లైన్లుగా రాస్తుంది.
JSONలో PDF లేఅవుట్ ఏమైనా నిలిచి ఉంటుందా?
లేదు. ఫాంట్లు, రంగులు, పేజీ బ్రేక్లు, లోగోలు, పేజీలో పట్టిక స్థానం అన్నీ ప్రెజెంటేషన్; JSON విలువలను మాత్రమే మోస్తుంది. మీకు లభించేది చదివే క్రమంలో సెల్ల కంటెంట్ మాత్రమే.
