Tiny Online Tools
Was dieses Werkzeug wirklich liest
Die meisten „PDF zu JSON“-Konverter liefern eine flache Textwand. Ein Dokument ist nicht flach: Es hat Überschriften, Absätze, Listen, Tabellen und Abbildungen, und genau der Verlust dieser Hierarchie macht das Ergebnis für Indizierung, Migration oder eine Retrieval-Pipeline unbrauchbar. Dieses Werkzeug stellt die Hierarchie wieder her — und sagt Ihnen vor allem, woher jede Antwort stammt.
Quelle 1 — der getaggte Strukturbaum
Ein barrierefreies PDF trägt einen Strukturbaum: Der Erzeuger hat ausdrücklich festgehalten, dass diese Glyphenfolge eine H2 und jene ein P ist, mit Alternativtext an den Abbildungen. Wo dieser Baum existiert, ist er die eigene Aussage des Dokuments über sich selbst und wird wörtlich übernommen, einschließlich Überschriftsebenen und /Alt-Texten. Solche Seiten sind als getaggt gekennzeichnet.
Quelle 2 — Layout-Ableitung
Die meisten PDFs haben keinen solchen Baum. Dann muss die Struktur aus der Geometrie abgeleitet werden:
- Die modale Zeilenhöhe — die Größe, in der die meisten Zeichen der Seite gesetzt sind — gilt als Grundschriftgröße.
- Eine Zeile, die deutlich höher als der Grundtext ist, ist eine Überschrift; wie viel höher, entscheidet die Ebene.
- Eine Zeile, die mit einem Aufzählungszeichen oder einem
1.-Marker beginnt und über den linken Rand des Grundtextes hinaus eingerückt ist, ist ein Listeneintrag; aufeinanderfolgende Einträge werden zu einer Liste. - Aufeinanderfolgende Grundtextzeilen mit normalem Zeilenabstand werden wieder zu einem Absatz zusammengefügt, sodass ein über vier Zeilen verteilter Satz als ein Satz ankommt.
- Tabellen liefert die Tabellenerkennung; Zeilen innerhalb einer erkannten Tabelle werden aus dem Fluss entfernt, damit derselbe Inhalt nicht doppelt erscheint.
Solche Seiten sind als abgeleitet gekennzeichnet, und das ist keine Zierde. Die Ableitung irrt sich gelegentlich bei zweispaltigem Satz, laufenden Kolumnentiteln oder Marginalien — prüfen Sie die Gliederung an der Seitenvorschau, bevor Sie sich darauf verlassen.
Mit dem Ergebnis arbeiten
Jeder Block trägt sein umschließendes Rechteck, sodass sich ein JSON-Knoten zurück auf eine Stelle der Seite abbilden lässt. Klicken Sie eine Zeile der Gliederung an, um sie in der Vorschau hervorzuheben, oder klicken Sie einen hervorgehobenen Bereich an, um zu seiner Zeile zu springen. Das JSON lässt sich vollständig kopieren oder herunterladen.
Datenschutz
Die Datei verlässt Ihr Gerät nie. Analyse, Strukturrekonstruktion und Export laufen im Browser, ohne jede Netzwerkanfrage während der Verarbeitung.