Converter PDF para JSON

Tudo o que há num PDF como JSON estruturado: páginas, blocos de texto, tabelas, campos de formulário e marcadores.

Ao contrário: JSON para PDF

Seus arquivos não saem do seu dispositivo — tudo acontece no navegador

Um PDF é fácil de ler e difícil de processar por programa: texto, tabelas e campos ficam misturados em instruções de desenho. O conversor organiza o documento num JSON limpo. Em meta ficam título, autor, datas e número de páginas. pages traz cada página com tamanho, texto completo e blocos, cada um com x, y, largura e altura em pontos a partir do canto superior esquerdo — o bastante para achar onde está um total ou uma assinatura.

Tabelas com bordas são extraídas à parte, com o mesmo motor do nosso conversor de PDF para Excel: cada item de tables guarda o número da página e as linhas de células. Campos de formulário preenchíveis — nome, tipo e valor — vão para forms, e o sumário do documento para outline, com nível e página.

Se o PDF for uma digitalização sem camada de texto, ative «Reconhecer texto em digitalizações». O Tesseract lê as páginas e os blocos viram palavras com coordenadas e grau de confiança. Português ainda não está no pacote de idiomas: inglês, alemão, francês, espanhol e russo são reconhecidos numa só passada.

Esta ferramenta roda no nosso servidor, porque um navegador não consegue desmontar um PDF nem ler texto de uma imagem. O arquivo viaja por HTTPS, é processado e apagado depois de uma hora; não guardamos nem olhamos documentos.

O que vai para o JSON

Como converter PDF para JSON em 3 passos

  1. 1

    Envie o PDF

    Arraste um arquivo de até 20 MB. Digitalizações são reconhecidas até 30 páginas por vez.

  2. 2

    Confira o resultado

    O JSON abre como árvore: páginas, tabelas, formulários e sumário. Para digitalizações, ative o reconhecimento de texto.

  3. 3

    Baixe o JSON

    Ou mande os dados direto para Excel, CSV, Word ou TXT pelos botões abaixo.

Perguntas frequentes

Envie o arquivo nesta página. Em poucos segundos o JSON abre para conferência e fica pronto para baixar.
Ative «Reconhecer texto em digitalizações»: o OCR lê as páginas e o JSON recebe palavras com coordenadas. Sem isso, a digitalização não tem texto para extrair.
Elas ficam na seção tables. Se precisar de uma planilha na hora, PDF para Excel é mais rápido.
Em pontos tipográficos (1/72 de polegada) a partir do canto superior esquerdo da página, como medem as bibliotecas de PDF.
O arquivo viaja por HTTPS e é removido do servidor depois de uma hora. Ele serve apenas para a conversão.

Ferramentas relacionadas