PDF2JSON - herramienta para extraer PDF a JSON

 (github.com)
6 puntos por xguru 2020-03-04 | 1 comentarios | Compartir por WhatsApp

  • Biblioteca open source rápida basada en XPDF y escrita en C

  • Proporciona ejecutables para Windows/Mac/Linux

  • Extrae los textos dentro del PDF con coordenadas x,y, incluyendo las fuentes

Lecturas relacionadas

1 comentarios

 
xguru 2020-03-04

También existe una versión en JavaScript de pdf2json que usa pdf.js, pero esta utiliza XPDF.

https://github.com/mozilla/pdf.js/

https://github.com/modesty/pdf2json

Para las funciones generales de PDF, se puede usar Apache PDFBox.

https://pdfbox.apache.org/

PDFBox es una biblioteca de Java que permite crear PDF, extraer contenido, dividir y combinar, y convertir a imágenes.