提取 PDF 为 JSON

概述

将 PDF 文档中的文本、表格和图片提取为 JSON 文件。

标准表格与非标准表格

常见的表格通常可以分为两类：

• 标准表格：表格边框和内部线条完整清晰，无需手动补充表格线来分隔内容。
  
• 非标准表格：表格缺少边框或内部线条不清晰，需要手动补充表格线来分隔内容。
  

表格提取选项

ComPDF Conversion SDK 支持 json_contain_table 选项。开启后会提取 PDF 中的表格内容并输出表格结构；否则表格内容会被当作普通文本处理。

注意事项

• 如果未启用 AI 版面分析或 OCR，原始 PDF 中的表格可能无法被提取。建议开启 AI 版面分析或 OCR，以获得更高精度的表格识别效果。

示例

以下示例代码演示如何将 PDF 提取为 JSON：

ConvertOptions opt;
// 将 PDF 提取为 JSON。
CPDFConversion::StartPDFToJson("json.pdf", "password", "path/output.json", opt);