Elysia Tools

在一个清晰的工作台里浏览工具、案例、可视化和主题指南。

热门分类

专题

语言
ZHDERUPTENFRES

Elysia Tools

导航

Document Tools

OCR PDF 转结构化 JSON 桥

· 最后更新:2026-08-25

按几何结构抽取 PDF 文本层(y 坐标分行、列间隙识表、字号识标题、冒号键值对),然后逐字段填入用户提供的 JSON Schema——标签按归一化键名匹配、值按声明类型归一化,并用 ajv 校验。

执行

运行这个工具

填写表单、运行工具,并在同一页面查看结果。

案例

与这个工具匹配的案例

相关内容

继续查看相关工具与专题

由 Elysia Tools 团队编写

工具使用指南

详细了解工具的适用范围、支持能力及用户案例。

关键事实

分类
Document Tools
输入类型
file, textarea, select
输出类型
html
案例覆盖
4
API 可用
是

概览

OCR PDF 转结构化 JSON 桥通过分析包含文本层的 PDF 几何布局(根据 Y 轴坐标断行、列间隙识别表格、字号区分标题及冒号匹配键值对),将提取出的字段自动对齐并归一化填入自定义 JSON Schema,最后通过 ajv 进行强类型与规则校验。

适用场景

  • 需要将包含文本层的 PDF 发票、账单或对账单批量提取为强类型 JSON 数据时。
  • 希望在提取 PDF 内容的同时依据 JSON Schema 进行类型转换(如数字、日期)与严格校验时。
  • 需要处理包含多列数据表格和冒号键值对的 PDF 文档并映射到结构化系统时。

使用方式

  1. 1解析上传的 PDF 文本层,依据字符坐标识别行块、标题层级、列间距表格以及冒号键值对。
  2. 2将提取出的标签名称与目标 JSON Schema 字段名进行归一化匹配,并根据配置的数字风格(点小数或逗号小数)转换数据类型。
  3. 3生成符合结构的目标 JSON 数据,并调用 ajv 校验引擎检查必填项、数据类型、枚举值及格式约束。

常见用途

  • 自动化将供应商 PDF 采购订单或发票转换为 ERP 系统所需的标准 JSON 负载。
  • 将银行对账单中的交易明细表格抽取为标准化的会计入账数据结构。
  • 校验批量 PDF 报表中的关键指标是否满足指定的格式与枚举枚举范围。

同类对比

  • 提取 PDF 的 OpenDataLoader JSON 结构,并以浏览器视图查看标题、段落、表格、列表、页码和 bbox

  • 用 OpenDataLoader 从 PDF 中抽取表格,并导出为结构化 JSON、扁平 CSV 或 HTML 表格

  • 将 PDF 中已有的注释(高亮、批注、印章、链接、标记)导出为 JSON 字符串

适合谁

适合

  • 在浏览器中转换PDF 文件。
  • 需要设置数字归一化风格的工作流,例如自动(最后的分隔符当小数点)或点小数(1,234.50)。
  • “Invoice to typed ERP schema”这类工作流,一次完成。

不适合

  • 完全自动化的批量任务——本页面面向交互使用,脚本请调用 API 端点。
  • 本工具不支持的格式文件——它只接受.pdf作为输入。

常见失败与 edge cases

  • 带密码的 PDF

    文件在去除密码前无法读取——本工具没有密码输入框。

  • 低质量源文件

    模糊、低分辨率或低对比度的源文件会降低提取准确率——请使用最清晰的原件。

  • 手写文字

    手写文字的识别准确率低于印刷体——手写内容请预留人工核对。

示例

1. 发票数据提取与 ERP Schema 校验

财务系统集成工程师

背景

企业每月接收大量电子发票 PDF,需要将其中的发票号、开票日期和总金额录入 ERP 系统的 API 接口。

问题

手动抄录容易出现格式错误,且货币符号和千分位逗号无法直接存入数值型数据库字段。

如何使用

上传包含文本层的发票 PDF,在目标 JSON Schema 中定义 invoice_number、invoice_date、currency 及 total 等字段,选择数字风格为自动归一化。

{
  "type": "object",
  "properties": {
    "invoice_number": { "type": "string" },
    "invoice_date": { "type": "string", "format": "date" },
    "customer": { "type": "string" },
    "currency": { "type": "string", "enum": ["USD", "EUR"] },
    "total": { "type": "number" }
  },
  "required": ["invoice_number", "total"]
}

结果

成功提取发票标题、键值对和表格数据,货币符号被剥离并将金额转为纯数字 1250.5,通过 ajv 校验并输出标准 JSON。

2. 捕获币种枚举与整数类型违规

数据质检员

背景

需对接限定币种(仅支持 EUR/GBP)和整型金额的结算系统,需提前拦截不合规的 PDF 账单。

问题

部分发票使用了非支持币种或带小数金额,需要在入库前精确定位问题字段。

如何使用

上传 PDF 发票,在 Schema 中限定 currency 为 ["EUR", "GBP"] 且 total 为 integer 类型,数字风格设置为点小数。

{
  "type": "object",
  "properties": {
    "invoice_number": { "type": "string" },
    "currency": { "type": "string", "enum": ["EUR", "GBP"] },
    "total": { "type": "integer" }
  },
  "required": ["invoice_number"]
}

常见问题

上传的 PDF 必须包含文本层吗?

是的,工具依赖 PDF 内部的文本与几何坐标层进行解析,纯图片扫描件需先完成 OCR 生成可复制文本层。

数字归一化风格的选项有什么区别?

“点小数”将逗号作为千分位、点作为小数点;“逗号小数”反之;“自动”则将最后一个分隔符判定为小数点。

如果提取的数据不符合 JSON Schema 会怎样?

工具仍会展示提取出的映射结果,但 ajv 校验横幅会标记为无效,并高亮显示具体字段路径与错误原因。

支持哪些 JSON Schema 约束的验证?

支持常见 JSON Schema 规范,包括 string、number、integer 类型转换,以及 required 必填字段、enum 枚举、date 格式等约束。

表格数据如何被识别与提取?

工具根据 PDF 页面中对齐的列间隙几何特征识别表格行与列,并将其组织为结构化行记录供 Schema 匹配。

首页
工具3212
案例593
可视化471
文件查看器103
专题239
标签333
图像、音频与视频657

图像、音频、视频处理、转换与优化工具

数学、日期与金融647

计算器、数值计算、日期逻辑、统计与金融工具

设计与颜色298

颜色、版式、图形、视觉样式与设计辅助工具

文本与写作209

写作、清洗、格式化、提取与文本分析工具

开发与 Web193

开发者工具、网络处理、Web 调试与自动化辅助工具

转换与编码175

格式、文件、压缩包、单位与编码转换工具

潜客测验发布与联系人交接
讣告、悼词与纪念卡的家属复核及交付
本地习惯记录的备份、恢复演练与分享前检查
长文改编 X 串文与 LinkedIn 帖子的事实复核与交付
Markdown 互动课件审校、离线演示与交付

© 2026 Elysia Tools. 保留所有权利。

文档价格关于我们服务条款隐私政策Cookie 政策联系我们
文档文件

PDF示例

2026-02-01 到 2026-02-10 工具生成的PDF示例

数据格式

聊天记录 JSON 示例

多角色聊天记录的 JSON 示例

数据格式

富媒体 JSON 示例

常见富文本编辑器(TipTap、Quill、Slate)的 JSON 示例

开发

Terraform Plan JSON 样本

用于依赖可视化和变更审查的 Terraform plan JSON 文件样本,贴近 terraform show -json 输出结构

Document Tools

聊天记录转PDF

将多角色聊天记录排版为对话式PDF

Document Tools

健身训练 PDF 生成器

从 JSON 或 CSV 训练计划数据生成可打印 PDF,包含动作表格、进度格子和可选的视频二维码

Document Tools

富文本JSON转PDF

将TipTap/Quill/Slate导出的JSON转换为PDF

Developer Tools

PDF 转 JSON 结构浏览器

提取 PDF 的 OpenDataLoader JSON 结构,并以浏览器视图查看标题、段落、表格、列表、页码和 bbox

结果

生成映射结果的同时,ajv 校验明确指出 .currency 值为 'USD' 不在允许枚举内,且 1250.5 未通过 integer 校验,便于人工核对。

PDF 转 JSON 结构浏览器
PDF 表格提取到 CSV/JSON
PDF 注释导出