PDF转YAML转换器 – 文本、结构和元数据 | DonePDF

pdf to yaml

上传您的PDF文件

将PDF拖放到此处或点击浏览

您的PDF完全在浏览器中处理——不会上传任何内容。结果为有效的YAML（UTF-8）。适用于包含文本的PDF；扫描页面需要先进行OCR。

如何将PDF转换为YAML

添加PDF – 将文件拖放到上方区域，或点击“选择PDF文件”。
选择页面 – 保留“all”，或在“要转换的页面”中输入页码，例如 1-5, 7——也可以点击缩略图。
选择结构 – 在“输出结构”下选择“结构化：标题、段落、列表、表格”“每页纯文本”“带位置信息的文本行”或“仅文档和页面信息”，并决定要包含的内容。
转换并保存 – 点击“转换为YAML”，然后点击“下载.yaml”或“复制YAML”。

您将获得

有效的YAML – 文件使用标准YAML库写入，并在您下载前重新读取以进行检查。多行文本使用YAML块标量。
文档信息 – 文件名和大小、页数、已转换的页面、PDF版本、标题、作者、主题、关键词、创建程序、生成程序、日期和语言（如果PDF中包含这些信息）。
按阅读顺序排列的页面 – 每页包含页码、宽度、高度（单位为点）、旋转角度和字符数，随后是页面内容。
结构化块 – 带级别的标题、段落、项目符号列表和编号列表，以及以行列表形式表示的简单表格——可选附带每个块的位置。
带位置的文本行 – 或者输出每个文本行及其x、y、宽度、高度和字号，以及每页上的网页链接。

适用场景

将报告、手册或合同的文本输入脚本或数据管道。
在Git仓库中以可读、便于比较差异的文本格式保存文档。
为搜索索引或语言模型数据集准备PDF内容。
更喜欢JSON？请使用PDF转JSON。

须知

YAML描述的是文档本身：页面、标题、段落、列表和表格。它不会将PDF转换为playbook或manifest之类的配置文件。
扫描页面是图像，不包含文本。请先运行OCR PDF，然后转换其结果。
只有明显对齐的表格才会被识别为表格；复杂表格将保留为段落。不包含字体、颜色和图片。
一切都在您的浏览器中运行——您的PDF不会上传到我们的服务器。受密码保护的PDF必须先解锁。

PDF转YAML – 常见问题

如何将PDF转换为YAML？

添加PDF，选择页面和输出结构，点击“转换为YAML”，然后下载.yaml文件。

YAML是什么样子的？

一个包含文件和PDF信息的document部分，以及一个pages列表。每页包含页码、尺寸和字符数，随后根据您选择的结构是blocks、text或lines。

输出的是有效的YAML吗？

是的。它使用YAML库创建，并重新读取以进行检查。可能被误读的文本（例如yes或no）会加上引号。

能获取文本的位置吗？

可以。选择“带位置信息的文本行”，或为结构化块勾选位置选项。位置以PDF点为单位，从页面左上角开始测量。

为什么找不到文本？

该PDF可能是扫描件，其页面是图像。请先运行OCR PDF，然后转换其结果。

我的文件会被上传吗？

不会。转换在您的浏览器中进行，PDF始终保留在您的设备上。

免费吗？

是的 – 无需注册，没有水印。

相关工具：PDF转JSON、PDF转XML，以及将YAML转换为可打印PDF的YAML转PDF。

在PDF数据处理工具中探索完整的工具集合。

本主题中的更多工具