PDF zu JSON

Die vollständige Objektstruktur der PDF, wie cpdf sie liest: Trailer, Katalog, Seitenbaum, jedes Wörterbuch und der Inhaltsstrom jeder Seite, zerlegt in eine Liste von Zeichen- und Textoperatoren. Es ist ein kompletter Dump der Datei, keine Zusammenfassung.

Meistens nicht. Der Text ist hier in der Reihenfolge, in der er gezeichnet wurde, über Inhaltsstrom-Operatoren verstreut, mit Schriftarten und Positionen, aber ohne Absätze. Für lesbaren Seitentext in strukturiertem Format nutzen Sie PDF für KI vorbereiten, für reinen Text PDF in Text.

Nicht mit BentoPDF. Die Ausgabe folgt dem eigenen JSON-Format von cpdf, das das cpdf-Kommandozeilenwerkzeug wieder in eine PDF einlesen kann, das Browser-Werkzeug geht aber nur in eine Richtung.

Inhaltsströme werden in Operator-Arrays aufgelöst, binäre Streamdaten wie Bilder werden als Text kodiert, und jedes Objekt wird mit seinen Schlüsseln ausgeschrieben, eine JSON-Datei, die mehrfach so groß ist wie die Quelle, ist also normal. Große oder bildlastige PDFs erzeugen sehr große Dateien.

Wählen Sie beliebig viele aus. Jede wird in einem Hintergrund-Worker umgewandelt, und die Ergebnisse werden in pdfs-to-json.zip mit einer .json pro PDF verpackt, benannt nach der Quelldatei. Auch eine einzelne PDF kommt als ZIP.

Sie werden vor Beginn der Umwandlung nach dem Passwort gefragt, und die entschlüsselte Kopie wird serialisiert. Ohne das Passwort lässt sich die Objektstruktur nicht lesen.

Um die Interna einer PDF beim Debuggen eines Generators zu untersuchen, zu prüfen, was der Inhaltsstrom einer Seite enthält, zwei Versionen strukturell zu vergleichen oder den Objektbaum in ein Skript einzuspeisen. Für Dokumenteigenschaften allein geht Metadaten anzeigen schneller.

Nein. cpdf läuft als WebAssembly in einem Web Worker in Ihrem Browser, und die JSON wird auf Ihrem Gerät geschrieben und gezippt, bevor sie heruntergeladen wird.