Wszystko, co jest w PDF, jako uporządkowany JSON: strony, bloki tekstu, tabele, pola formularzy i zakładki.
W drugą stronę: JSON do PDFPrzeciągnij plik tutaj
lub wybierz go z komputera
do 50 MB
Pliki nie opuszczają Twojego urządzenia — wszystko dzieje się w przeglądarce
PDF dobrze się czyta, ale programowo trudno go przetworzyć: tekst, tabele i pola są wymieszane w instrukcjach rysowania. Konwerter układa dokument w czysty JSON. W meta są tytuł, autor, daty i liczba stron. pages zawiera każdą stronę z rozmiarem, pełnym tekstem i blokami, z których każdy ma x, y, szerokość i wysokość w punktach od lewego górnego rogu — wystarczy, by znaleźć, gdzie na stronie jest suma albo podpis.
Tabele z liniami są wyodrębniane osobno, tym samym silnikiem co w naszym konwerterze PDF do Excela: każdy wpis w tables zachowuje numer strony i wiersze komórek. Pola formularzy do wypełnienia — nazwa, typ i wartość — trafiają do forms, a zakładki dokumentu do outline z poziomem i stroną.
Jeśli PDF to skan bez warstwy tekstowej, włącz „Rozpoznawaj tekst na skanach”. Tesseract odczyta strony, a bloki staną się słowami ze współrzędnymi i pewnością rozpoznania. W jednym przebiegu rozpoznawane są angielski, niemiecki, francuski, hiszpański i rosyjski; polski nie ma jeszcze własnego pakietu, więc litery takie jak ą, ę czy ł mogą wyjść niedokładnie.
To narzędzie działa na naszym serwerze, bo przeglądarka nie potrafi rozłożyć PDF ani odczytać tekstu z obrazu. Plik przesyłany jest przez HTTPS, przetwarzany i usuwany po godzinie; nie przechowujemy ani nie przeglądamy dokumentów.
Przeciągnij plik do 20 MB. Skany są rozpoznawane do 30 stron naraz.
JSON otworzy się jako drzewo: strony, tabele, formularze i zakładki. Dla skanu włącz rozpoznawanie tekstu.
Albo od razu wyślij dane do Excela, CSV, Worda lub TXT przyciskami poniżej.
Wyodrębniaj tabele i dane z PDF do arkuszy Excel
Otwórz JSON online: drzewo, tabela, kod i walidacja
JSON do XLSX z zagnieżdżonymi polami i typami
Wyodrębnij cały tekst z PDF jako plik tekstowy
Spraw, by zeskanowane pliki PDF były przeszukiwalne dzięki rozpoznawaniu tekstu