PDF naar JSON omzetten

Alles uit een PDF als gestructureerde JSON: pagina’s, tekstblokken, tabellen, formuliervelden en bladwijzers.

Omgekeerd: JSON naar PDF

Bestanden verlaten je apparaat niet — alles gebeurt in de browser

Een PDF leest prettig, maar laat zich slecht verwerken door een programma: tekst, tabellen en velden zitten door elkaar in tekeninstructies. De converter zet het document om in nette JSON. In meta staan titel, auteur, datums en aantal pagina’s. pages bevat elke pagina met afmetingen, volledige tekst en blokken, elk met x, y, breedte en hoogte in punten vanaf de linkerbovenhoek — genoeg om te vinden waar een totaalbedrag of handtekening staat.

Tabellen met lijnen worden apart uitgelezen, met dezelfde engine als onze PDF-naar-Excel-converter: elk item in tables bewaart het paginanummer en de rijen met cellen. Invulbare formuliervelden — naam, type en waarde — komen in forms, en de bladwijzers van het document in outline met niveau en pagina.

Is de PDF een scan zonder tekstlaag, zet dan «Tekst op scans herkennen» aan. Tesseract leest de pagina’s en de blokken worden woorden met coördinaten en betrouwbaarheid. Engels, Duits, Frans, Spaans en Russisch worden in één keer herkend; voor Nederlands is er nog geen eigen taalpakket, dus letters als ë en ï kunnen afwijken.

Deze tool draait op onze server, want een browser kan geen PDF ontleden en geen tekst uit pixels lezen. Het bestand gaat via HTTPS, wordt verwerkt en na een uur verwijderd; we bewaren en bekijken geen documenten.

Wat er in de JSON staat

PDF in 3 stappen naar JSON omzetten

  1. 1

    Upload de PDF

    Sleep een bestand tot 20 MB. Scans worden tot 30 pagina’s per keer herkend.

  2. 2

    Controleer het resultaat

    De JSON opent als boom: pagina’s, tabellen, formulieren en bladwijzers. Zet bij een scan tekstherkenning aan.

  3. 3

    Download de JSON

    Of stuur de gegevens met de knoppen hieronder direct naar Excel, CSV, Word of TXT.

Veelgestelde vragen

Upload het bestand op deze pagina. Na een paar seconden opent de JSON en kun je hem downloaden.
Zet «Tekst op scans herkennen» aan: OCR leest de pagina’s en de JSON krijgt woorden met coördinaten. Zonder OCR heeft een scan geen tekst om uit te lezen.
Die staan in de sectie tables. Heb je meteen een spreadsheet nodig, dan is PDF naar Excel sneller.
In typografische punten (1/72 inch) vanaf de linkerbovenhoek van de pagina, zoals PDF-bibliotheken meten.
Het bestand gaat via HTTPS en wordt na een uur van de server gewist. Het wordt alleen voor de conversie gebruikt.

Gerelateerde tools