PDF 转 JSON 转换器

把 PDF 里的全部内容变成结构化 JSON:页面、文本块、表格、表单字段和书签。

反向: JSON 转 PDF

文件不会离开你的设备——一切都在浏览器中完成

PDF 适合阅读,却不方便程序处理:文字、表格和字段都混在绘图指令里。转换器把文档整理成干净的 JSON。meta 里是标题、作者、日期和页数;pages 列出每一页的尺寸、完整文字和文本块,每个块都带有以左上角为原点、以磅为单位的 x、y、宽和高——足以定位页面上的金额或签名在哪里。

带边框的表格会单独提取,使用的引擎与我们的 PDF 转 Excel 相同:tables 中的每一项都记录页码和逐行的单元格。可填写的表单字段(名称、类型和值)放进 forms,文档书签连同层级和页码放进 outline。

如果 PDF 是没有文字层的扫描件,请勾选「识别扫描件中的文字」。Tesseract 会读取页面,文本块变成带坐标和置信度的单词。目前可一次识别英语、德语、法语、西班牙语和俄语;中文暂时还不能识别。

这个工具在我们的服务器上运行,因为浏览器无法拆解 PDF,也无法从图片像素中识别文字。文件通过 HTTPS 传输,处理完成后一小时内删除;我们不保存、也不查看任何文档。

JSON 里包含什么

3 步把 PDF 转成 JSON

  1. 1

    上传 PDF

    拖入不超过 20 MB 的文件。扫描件每次最多识别 30 页。

  2. 2

    检查结果

    JSON 以树形打开:页面、表格、表单和书签。扫描件请开启文字识别。

  3. 3

    下载 JSON

    也可以用下方按钮直接把数据导出为 Excel、CSV、Word 或 TXT。

常见问题

在本页上传文件,几秒钟后 JSON 就会打开供你查看,并可直接下载。
勾选「识别扫描件中的文字」,OCR 会读取页面,JSON 中会出现带坐标的单词。不开启的话,扫描件没有可提取的文字。注意中文暂不支持识别。
表格在 tables 部分。如果马上需要电子表格,用 PDF 转 Excel 更快。
以页面左上角为原点的印刷磅(1/72 英寸),与常见 PDF 库的度量方式一致。
文件通过 HTTPS 传输,一小时后从服务器删除,只用于本次转换。

相关工具