PDF в JSON.

Он экспортирует содержимое страницы и геометрию, а не автоматически названные бизнес-поля. Ваше приложение должно интерпретировать эту структуру. Для ячеек таблиц используйте «Извлечь таблицы из PDF», для сканов — PDF OCR.

Версионная структура включает страницы, текстовые блоки и диапазоны, шрифты, ограничивающие рамки и пути векторной графики. Координаты указаны в пунктах PDF от верхнего левого угла неповёрнутой страницы; поворот записывается отдельно. Это может помочь в индексации или анализе документа, но конвертер не выводит вашу собственную бизнес-схему или семантические имена полей.

Если страница содержит данные изображений, архив включает файл document.json или document.xml, а также связанные файлы изображений и поддерживаемые маски. Сохраняйте эти пути вместе при загрузке данных в другом месте. Сканирование, состоящее только из изображений, остается набором изображений; этот экспорт не выполняет OCR для создания отсутствующих текстовых слоев.

Извлечение использует существующий текстовый слой и не распознает буквы на изображениях страниц. Если на странице нет читаемого текста, используйте PDF OCR отдельно. Пустая страница также может не дать текста. Для смешанных PDF проверяйте пустые или нечитаемые страницы индивидуально. OCR обрабатывает одну выбранную страницу за раз.

Откройте один PDF размером до 100 МБ и до 750 исходных страниц. Защищенные файлы требуют разблокированной копии, если инструмент явно не предлагает ввод пароля. Большие или сложные страницы могут потребовать больше памяти или достичь лимитов обработки, даже если файл находится в пределах этих ограничений.

Этот инструмент использует наши серверы для обработки. Ваш исходный файл не перезаписывается; результат — это отдельный файл для скачивания. Просмотрите и проверьте результат, где это доступно, и скачайте нужную копию перед началом работы заново.