Développeurs
Alimenter un flux de travail de traitement JSON
Exportez le contenu de la page au format JSON pour un script ou une application qui comprend la structure de sortie documentée.
Une tâche PDF utile, simplifiée
PDF vers JSON.
Exportez le texte, les images et la géométrie de dessin d'un PDF au format JSON.
Utilisez les contrôles de page pour inspecter votre document.
100%
Votre fichier est prêt.
Téléchargez votre résultat ou revenez aux paramètres pour créer une autre version.
Advertisements
Ad placeholderResponsive · automatic size
Envoyé pour un traitement temporaire au démarrage.
PDF
Comment convertir un PDF en JSON
- 01
Choisissez votre document
Téléchargez un PDF depuis votre appareil.
- 02
Configurez le résultat
Examinez les paramètres disponibles, puis lancez le traitement.
- 03
Téléchargez votre fichier
Enregistrez le résultat et vérifiez-le avant de le partager.
PDF vers JSON
Exportez le texte, les images et la géométrie de dessin du PDF au format JSON. Sélectionnez les pages et téléchargez une description structurée, avec les ressources d'image regroupées si nécessaire.
TUTORIEL VIDÉO RAPIDE
Comment convertir un PDF en JSON avec les données de mise en page
Obtenez des données de page structurées pour votre propre flux de travail.
Narration en anglais
Regarder la vidéo
Moyens pratiques d'utiliser cet outil
Chercheurs
Inspecter les positions du texte
Utilisez les coordonnées de contenu pour étudier la mise en page ; elles font référence à la page PDF non pivotée plutôt qu'aux pixels du navigateur.
Examen technique
Séparer l'extraction de l'interprétation
Examinez les objets extraits avant de créer des règles d'analyse spécifiques au document. Les scans nécessitent l'OCR pour le texte reconnu.
Fonctionnalités et contrôles
Exporter le texte et la géométrie des dessins
Récupérez une description structurée du contenu de la page plutôt qu'une simple transcription.
Schéma, coordonnées et rotation de page
La structure versionnée inclut les pages, les blocs de texte et les étendues, les polices, les boîtes englobantes et les chemins de dessin vectoriel. Les coordonnées sont exprimées en points PDF à partir de l'origine en haut à gauche de la page non pivotée ; la rotation est enregistrée séparément. Cela peut faciliter l'indexation ou l'analyse de documents, mais le convertisseur n'infère pas votre propre schéma métier ou vos noms de champs sémantiques.
Gardez les ressources d'image à côté des données
Recevez un fichier de données direct ou un ZIP lorsque des images extraites sont incluses.
Fichier de données et images référencées
Lorsqu'une page contient des données d'image, l'archive contient document.json ou document.xml ainsi que les fichiers image référencés et tous les masques pris en charge. Gardez ces chemins ensemble lors du chargement des données ailleurs. Une numérisation composée uniquement d'images reste des données d'image ; cette exportation n'effectue pas d'OCR pour inventer des étendues de texte manquantes.
Choisissez les pages dont vous avez besoin
Traitez tout le document ou entrez des numéros de page et des plages spécifiques.
Plages de pages et numérotation
Utilisez les positions PDF, en commençant à 1, plutôt que les numéros imprimés sur la page. Une liste telle que 1, 3-5 inclut quatre pages. Une plage vide utilise toutes les pages. Vérifiez l'aperçu lorsque le document inclut une couverture ou des chapitres numérotés différemment. Seules les pages choisies sont incluses dans cette conversion.
Utilisez l'OCR pour les pages contenant uniquement des images
L'extraction de texte lit une couche de texte ; elle ne reconnaît pas les lettres dans les images.
Scans, pages vides et OCR
L'extraction utilise une couche de texte existante et ne reconnaît pas les lettres dans les images de page. Si une page n'a pas de texte lisible, utilisez l'OCR PDF séparément. Une page blanche peut également ne produire aucun texte. Pour les PDF mixtes, inspectez individuellement les pages vides ou illisibles. L'OCR traite une page sélectionnée à la fois.
Fichiers pris en charge et traitement
- Entrée
- Sortie
- JSON, ZIP
Ouvrez un PDF jusqu'à 100 Mo et 750 pages sources. Les fichiers protégés nécessitent une copie déverrouillée, sauf si cet outil propose explicitement la saisie d'un mot de passe. Les pages volumineuses ou complexes peuvent nécessiter plus de mémoire ou atteindre les limites de traitement même lorsque le fichier respecte ces limites.
Le traitement utilise nos serveurs. Les fichiers sources, les fichiers temporaires et les résultats sont supprimés de nos serveurs dans les 30 minutes suivant la fin du traitement. Nous ne partageons pas le contenu des documents avec des tiers et ne les utilisons pas pour entraîner des modèles d'IA.
Advertisements
Ad placeholderResponsive · automatic sizeResponsive · automatic size468 × 60Up to 320 × 100Up to 300 × 50
FAQ
Quelques réponses utiles
Sachez à quoi vous attendre avant de commencer.
Traitement temporaire sur serveurLe PDF vers JSON reconnaît-il les champs de facture ou la signification des tableaux ?
Il exporte le contenu et la géométrie de la page, et non des champs commerciaux nommés automatiquement. Votre application doit interpréter cette structure. Pour les cellules de tableau, utilisez Extraire les tableaux du PDF ; pour les numérisations, utilisez PDF OCR.
Quelles informations l'exportation structurée contient-elle ?
La structure versionnée comprend les pages, les blocs de texte et les étendues, les polices, les boîtes englobantes et les chemins de dessin vectoriel. Les coordonnées sont exprimées en points PDF à partir de l'origine en haut à gauche de la page non pivotée ; la rotation est enregistrée séparément. Cela peut prendre en charge l'indexation ou l'analyse de documents, mais le convertisseur ne déduit pas votre propre schéma métier ou vos noms de champs sémantiques.
Pourquoi le téléchargement contient-il parfois un fichier ZIP ?
Lorsqu'une page contient des données d'image, l'archive contient document.json ou document.xml ainsi que les fichiers image référencés et tous les masques pris en charge. Gardez ces chemins ensemble lors du chargement des données ailleurs. Une numérisation composée uniquement d'images reste des données d'image ; cette exportation n'effectue pas d'OCR pour inventer des étendues de texte manquantes.
Cela permet-il d'extraire des mots à partir d'une numérisation composée uniquement d'images ?
L'extraction utilise une couche de texte existante et ne reconnaît pas les lettres dans les images de page. Si une page ne contient aucun texte lisible, utilisez PDF OCR séparément. Une page blanche peut également ne produire aucun texte. Pour les PDF mixtes, inspectez individuellement les pages vides ou illisibles. L'OCR traite une page sélectionnée à la fois.
Quelles sont les limites de fichiers et de pages ?
Ouvrez un PDF jusqu'à 100 Mo et 750 pages sources. Les fichiers protégés nécessitent une copie déverrouillée, sauf si cet outil propose explicitement la saisie d'un mot de passe. Les pages volumineuses ou complexes peuvent nécessiter plus de mémoire ou atteindre les limites de traitement même lorsque le fichier respecte ces limites.
Où mon document est-il traité ?
Cet outil utilise nos serveurs pour le traitement. Votre fichier original n'est pas écrasé ; le résultat est un téléchargement séparé. Prévisualisez et vérifiez le résultat lorsqu'il est disponible, et téléchargez la copie dont vous avez besoin avant de recommencer.
