Convertir PDF a JSON

Todo lo que hay en un PDF como JSON estructurado: páginas, bloques de texto, tablas, campos de formulario y marcadores.

Al revés: JSON a PDF

Tus archivos no salen de tu dispositivo — todo se hace en el navegador

Un PDF se lee bien, pero se procesa mal con un programa: texto, tablas y campos van mezclados en instrucciones de dibujo. El conversor ordena el documento en un JSON limpio. En meta están el título, el autor, las fechas y el número de páginas. pages recoge cada página con su tamaño, su texto completo y sus bloques, cada uno con x, y, ancho y alto en puntos desde la esquina superior izquierda: suficiente para saber dónde está un total o una firma.

Las tablas con bordes se extraen aparte, con el mismo motor que nuestro conversor de PDF a Excel: cada entrada de tables guarda su número de página y sus filas de celdas. Los campos de formulario rellenables —nombre, tipo y valor— van a forms, y los marcadores del documento a outline con su nivel y su página.

Si el PDF es un escaneo sin capa de texto, activa «Reconocer texto en escaneos». Tesseract lee las páginas y los bloques pasan a ser palabras con coordenadas e índice de confianza. Español, inglés, alemán, francés y ruso se reconocen en una sola pasada.

Esta herramienta funciona en nuestro servidor, porque un navegador no puede desmontar un PDF ni leer texto de una imagen. El archivo viaja por HTTPS, se procesa y se elimina al cabo de una hora; no guardamos ni revisamos documentos.

Qué contiene el JSON

Cómo convertir PDF a JSON en 3 pasos

  1. 1

    Sube el PDF

    Arrastra un archivo de hasta 20 MB. Los escaneos se reconocen hasta 30 páginas cada vez.

  2. 2

    Revisa el resultado

    El JSON se abre como árbol: páginas, tablas, formularios y marcadores. Si es un escaneo, activa el reconocimiento de texto.

  3. 3

    Descarga el JSON

    O envía los datos directamente a Excel, CSV, Word o TXT con los botones de abajo.

Preguntas frecuentes

Sube el archivo en esta página. En unos segundos el JSON se abre para revisarlo y está listo para descargar.
Activa «Reconocer texto en escaneos»: el OCR lee las páginas y el JSON recibe palabras con coordenadas. Sin eso, un escaneo no tiene texto que extraer.
Están en la sección tables. Si necesitas una hoja de cálculo ya, PDF a Excel es más rápido.
En puntos tipográficos (1/72 de pulgada) desde la esquina superior izquierda de la página, igual que las bibliotecas PDF.
El archivo viaja por HTTPS y se elimina del servidor al cabo de una hora. Solo se usa para la conversión.

Herramientas relacionadas