PDF sang JSON.

Nó xuất nội dung và hình học của trang, không phải các trường doanh nghiệp được đặt tên tự động. Ứng dụng của bạn phải diễn giải cấu trúc đó. Đối với các ô bảng, hãy sử dụng Trích xuất bảng từ PDF; đối với bản quét, hãy sử dụng PDF OCR.

Cấu trúc được lập phiên bản bao gồm các trang, khối văn bản và khoảng cách, phông chữ, hộp giới hạn và đường vẽ vector. Tọa độ tính bằng điểm PDF từ gốc trên cùng bên trái của trang không xoay; xoay được ghi lại riêng. Điều này có thể hỗ trợ lập chỉ mục hoặc phân tích tài liệu, nhưng bộ chuyển đổi không suy luận lược đồ kinh doanh hoặc tên trường ngữ nghĩa của riêng bạn.

Khi một trang chứa dữ liệu hình ảnh, tệp lưu trữ chứa document.json hoặc document.xml cộng với các tệp hình ảnh được tham chiếu và bất kỳ mặt nạ nào được hỗ trợ. Hãy giữ các đường dẫn đó cùng nhau khi tải dữ liệu ở nơi khác. Bản quét chỉ chứa hình ảnh vẫn là dữ liệu hình ảnh; xuất tệp này không thực hiện OCR để tạo ra các khoảng văn bản bị thiếu.

Quá trình trích xuất sử dụng lớp văn bản hiện có và không nhận dạng các chữ cái trong hình ảnh trang. Nếu một trang không có văn bản có thể đọc được, hãy sử dụng PDF OCR riêng. Một trang trống cũng có thể không tạo ra văn bản nào. Đối với các tệp PDF hỗn hợp, hãy kiểm tra từng trang trống hoặc không đọc được. OCR xử lý từng trang được chọn một lần.

Mở một tệp PDF lên đến 100 MB và 750 trang nguồn. Các tệp được bảo vệ cần một bản sao đã mở khóa trừ khi công cụ này cung cấp rõ ràng việc nhập mật khẩu. Các trang lớn hoặc phức tạp có thể yêu cầu nhiều bộ nhớ hơn hoặc đạt đến giới hạn xử lý ngay cả khi tệp nằm trong các giới hạn này.

Công cụ này sử dụng máy chủ của chúng tôi để xử lý. Tệp gốc của bạn không bị ghi đè; kết quả là một bản tải xuống riêng biệt. Hãy xem trước và kiểm tra kết quả nếu có, đồng thời tải xuống bản sao bạn cần trước khi bắt đầu lại.