Всё, что есть в PDF, — в структурированном JSON: страницы, блоки текста, таблицы, формы и оглавление.
Наоборот: JSON в PDFПеретащите файл сюда
или выберите на компьютере
до 50 МБ
Файлы не загружаются на сервер — всё делается в вашем браузере
PDF удобно читать, но неудобно обрабатывать программой: текст, таблицы и поля лежат внутри вперемешку. Конвертер раскладывает документ в понятный JSON. В meta — название, автор, даты и число страниц. В pages — каждая страница с размерами, полным текстом и блоками, у которых есть координаты x, y, ширина и высота в пунктах от левого верхнего угла. Так можно найти, где на странице стоит сумма или подпись.
Таблицы с разметкой извлекаются отдельно — тем же движком, что и в нашем конвертере PDF в Excel: каждая таблица в tables хранит номер страницы и строки ячеек. Поля заполняемых форм (имя поля, тип и значение) попадают в forms, а оглавление документа — в outline с уровнем и страницей.
Если PDF — скан без текстового слоя, включите «Распознать текст на сканах»: страницы прочитает Tesseract, и в блоках появятся слова с координатами и уверенностью распознавания. Английский, немецкий, французский, испанский и русский распознаются за один проход.
Этот инструмент работает на нашем сервере — в браузере такой разбор не сделать. Файл передаётся по HTTPS, обрабатывается и удаляется через час; мы не храним и не просматриваем документы.
Перетащите файл до 20 МБ. Сканы — до 30 страниц за раз.
JSON откроется деревом: страницы, таблицы, формы и оглавление. Для скана включите распознавание.
Или сразу выгрузите данные в Excel, CSV, Word или TXT кнопками ниже.