PDF naar JSON

De volledige objectstructuur van de PDF zoals cpdf die leest: de trailer, de catalogus, de paginaboom, elk woordenboek en de inhoudsstroom van elke pagina, ontleed tot een lijst van teken- en tekstoperatoren. Het is een complete dump van het bestand, geen samenvatting.

Meestal niet. De tekst staat hier verspreid over inhoudsoperatoren in de volgorde waarin hij is getekend, met lettertypen en posities maar zonder alinea's. Voor leesbare paginatekst in een gestructureerd formaat gebruik je PDF voorbereiden voor AI, en voor platte tekst PDF naar tekst.

Niet met BentoPDF. De uitvoer volgt het eigen JSON-formaat van cpdf, dat de opdrachtregeltool van cpdf weer tot een PDF kan inlezen, maar de browsertool werkt maar in één richting.

Inhoudsstromen worden uitgevouwen tot operatorarrays, binaire streamgegevens zoals afbeeldingen worden als tekst gecodeerd en elk object wordt met zijn sleutels uitgeschreven, dus een JSON-bestand dat meerdere keren zo groot is als de bron is normaal. Grote PDF's of PDF's met veel afbeeldingen leveren zeer grote bestanden op.

Selecteer er zoveel je wilt; elk wordt in een achtergrondworker geconverteerd en de resultaten worden verpakt in pdfs-to-json.zip met één .json per PDF, genoemd naar het bronbestand. Ook één enkele PDF komt als ZIP binnen.

Er wordt om het wachtwoord gevraagd voordat de conversie begint en de gedecodeerde kopie wordt geserialiseerd. Zonder het wachtwoord kan de objectstructuur niet worden gelezen.

Het onderzoeken van de binnenkant van een PDF bij het debuggen van een generator, controleren wat de inhoudsstroom van een pagina bevat, twee versies structureel vergelijken, of de objectboom aan een script voeren. Voor alleen documenteigenschappen is Metadata bekijken sneller.

Nee. cpdf draait als WebAssembly in een webworker in je browser, en de JSON wordt op je apparaat geschreven en gezipt voordat je downloadt.