实用指南
PDF 转 JSON 工具会返回什么
PDF 保存的是页面绘制指令，而 JSON 为程序提供稳定的容器。这个工具会在浏览器中读取可选择的文字层，把相邻文字项整理成行，并为源文件的每一页返回一个对象。每个对象包含页码、拼接后的 text、原始 lines 数组，以及表示该页是否还包含图片绘制操作的标记。
这里的 JSON 重点是可复核，而不是假装已经得到完美的文档 schema。它不会凭空推断表格、实体、坐标或业务字段。你可以把结果作为脚本、索引、ETL 步骤或质量检查的中间格式；如果需要按页核对，请把源 PDF 与 JSON 一起保留。
哪些场景适合 PDF 转 JSON
- 脚本、搜索索引或文档流水线需要按页组织的文字对象。
- 下游服务接受 UTF-8 JSON，而不是 Markdown 或扁平 TXT。
- 希望在搭建更大提取流程前，先做确定性的本地预览。
- 需要先区分有文字的页面和同时含图片的页面，再决定是否人工复核。
操作流程
四步把 PDF 转成 JSON
- 01
选择有文本层的 PDF
将 PDF 拖入浏览器工具，或使用文件选择器。本地预览支持不超过 25 MB 的 PDF。
- 02
设置复核选项
需要引用页码时保留页码标记；需要保留行分组时开启可读换行。
- 03
提取并检查
开始转换后检查多个页面对象，对照源文件核对分栏、重复页眉、符号和图片标记。
- 04
复制或下载
复制 JSON 做快速测试，或下载完整 UTF-8 `.json` 文件交给脚本或流水线。
转换示例
示例：把政策 PDF 表示成按页对象
输出同时保留页身份、拼接后的文本和行数组，便于交给小型脚本处理，也保留人工复核路径。
PDF 原始内容
第 4 页
账户复核政策
管理员每季度复核活跃账户。
例外情况必须包含负责人和到期日期。Markdown 输出
source: "policy.pdf"
format: "pdf-to-json"
page_count: 1
pages[0].page: 4
pages[0].text: "账户复核政策\n管理员每季度复核活跃账户。"
pages[0].lines: ["账户复核政策", "管理员每季度复核活跃账户。"]
pages[0].has_images: false质量基准
PDF 转 JSON 提取质量基准
JSON 文件语法有效，只能证明结构化输出生成成功。应从每种文档类型抽取样本，并按实际用途核对字段。
| 文档类型 | 建议路径 | 通过标准 |
|---|---|---|
| 单栏数字报告 | 浏览器 JSON 提取 | 页数、行顺序、标点和代表性文字与源文件一致。 |
| 双栏论文或简报 | 提取后对照阅读顺序 | 确认分栏、侧栏和脚注后，页面对象才适合继续使用。 |
| 扫描表单或拍照页面 | OCR 流程并人工复核 | 不能把本地 JSON 当作充分证据，姓名、日期、金额和字段必须与图片对照。 |
这里展示的是验收矩阵，不是“所有 PDF 都有相同准确率”的承诺。正式批量处理前，请先用你自己的代表性文件进行测试。
PDF 转 JSON 的限制
JSON 是方便的容器，但无法恢复 PDF 从未编码为文字的含义。应把结果当作可检查的中间格式，难处理文件切换到 OCR 或更完整的转换流程。
- 没有可选择文字的扫描件可能无法在本地返回文本，应改用独立 OCR 流程。
- 分栏、侧栏、脚注和浮动标签的读取顺序可能与页面不同。
- JSON 不会重建表格、坐标、实体、公式或图表含义。
- 加密、损坏、超大或特殊 PDF 可能需要预处理，或改用托管转换任务。
常见问题
PDF 转 JSON 常见问题
1这个 PDF 转 JSON 工具会上传我的文件吗？
可选择文字的本地预览会在浏览器中读取 PDF，不会为了本地提取上传到公开应用。账户级 OCR、批量任务、历史记录和 API 的数据边界不同，使用前请查看安全和隐私页面。
2扫描 PDF 能直接转成 JSON 吗？
如果扫描件没有文本层，页面会明确提示，而不是生成空 JSON。支持的扫描 PDF 应改用独立 OCR 流程，再对照原图检查识别出的姓名、数字和页序。
3JSON 输出包含哪些字段？
本地输出包含源文件名、格式标记、页数、选项和 pages 数组。每个页面对象都有页码、拼接后的 text、原始 lines 数组和 has_images 标记。
4PDF 转 JSON 会保留表格吗？
不会保证表格 schema，只会保留提取出的行。表格关系重要时，应对照源文件，并使用图片与表格 Markdown 流程或专用解析器。
5下载的 JSON 是 UTF-8 吗？
是。浏览器会生成 UTF-8 `.json` 文件，常见脚本和编辑器都能稳定读取。最终能提取哪些字符，仍取决于 PDF 本身的文本层。
6JSON 结果能交给 API 或搜索索引吗？
可以，但要先检查阅读顺序、重复模板文字、页码元数据和敏感信息。若要搭建托管自动化流程，可查看 PDF 转 Markdown API 页面中的鉴权和保留策略说明。