Escalares de texto entre aspas
Mantenha palavras como yes, datas, pontuação e frases com dois-pontos como valores de cadeia. O texto extraído não vira instruções YAML nem tags de objetos personalizados.
PDF para YAML
Exporte itens de texto de PDF e suas posições na página como dados YAML.
Selecione arquivos PDF
Arraste seus arquivos para cá ou use o botão abaixo.
Até 25 MB no total · Os arquivos permanecem no seu dispositivo
Confira a prévia do documento aqui. Ao adicionar conteúdo, use-a como referência para posicioná-lo e confira o arquivo salvo.
Índice de conteúdo10 seções
O que PDF para YAML pode exportar?
Crie um arquivo YAML contendo itens de texto extraídos de páginas PDF selecionadas. O resultado inclui referências às páginas de origem, geometria de página e transformações de posição do texto, permitindo sua inspeção em um editor de texto ou fluxo de processamento separado.
A exportação não interpreta o documento como configuração de aplicativo. Ela não deduz níveis de títulos, extrai figuras, reconhece campos de faturas nem reconstrói uma tabela por sua aparência. O texto segue a ordem de extração do leitor PDF, que pode ser diferente da ordem de leitura.
Recursos de PDF para YAML
Referências às páginas originais
As páginas selecionadas mantêm seus números de origem. Revisores podem voltar à página PDF correspondente sem contar posições na matriz de saída.
Geometria do texto
Armazene transformações e direção do texto, além das dimensões de página, junto com as palavras. Um processo posterior pode examinar a posição sem presumir que já existe uma tabela pronta.
Escopo explícito da extração
A saída declara que reconstrução semântica e OCR não foram realizados. Isso ajuda outro programa a tratar o resultado como dados extraídos.
Como converter texto de PDF para YAML?
- Escolha um PDF não criptografado com texto selecionável.
- Digite um intervalo pequeno ou deixe Páginas em branco quando o documento inteiro estiver dentro do limite de seleção.
- Inicie a conversão e salve o arquivo .yaml.
- Abra a saída em um editor compatível com YAML e confira as entradas de páginas e itens.
- Compare cadeias importantes e suas posições com o PDF original antes de usá-las em outro fluxo.
Selecione o PDF
Escolha um PDF que contenha o texto que você precisa inspecionar.
Selecione a captura de tela para ampliá-la.
Escolha o intervalo de extração
Comece com um conjunto pequeno de páginas de origem.
Selecione a captura de tela para ampliá-la.
Baixe o YAML
Salve a saída e inspecione os valores de texto entre aspas.
Selecione a captura de tela para ampliá-la.
As capturas de tela mostram estas ferramentas com arquivos de exemplo sem dados sensíveis. O nome do seu arquivo, o número de páginas e as configurações podem ser diferentes.
Por que exportar texto de PDF como YAML?
YAML pode ser conveniente para revisões em texto quando uma equipe quer informações estruturadas de páginas sem um visualizador separado. Use a exportação como dados de documento e aplique sua própria validação antes de importar. Um extrato PDF nunca deve virar configuração confiável apenas porque suas palavras foram armazenadas em um arquivo YAML.
Quem pode usar uma extração YAML?
Desenvolvedores de automação
Inspecione o texto e as referências de página antes de criar regras de extração para um layout documental conhecido.
Equipes de pesquisa
Mantenha um registro intermediário legível enquanto confere citações selecionadas e suas localizações nas páginas.
Revisores técnicos
Compare alterações nos dados extraídos de documentos usando ferramentas que trabalham com arquivos de texto estruturado.
Configurações e verificações do resultado
| Configuração | O que esperar |
|---|---|
| Arquivo de entrada | Um PDF de até 25 MiB e 500 páginas de origem. |
| Páginas selecionadas | Até 200 páginas na ordem digitada; referências repetidas aparecem uma única vez. |
| Limites de extração | 20.000 itens por página, 100.000 por tarefa e dois milhões de caracteres de texto. |
| Saída YAML | YAML 1.2 declarado, com valores de cadeia entre aspas; download máximo de 64 MiB. |
Mantenha um valor impresso como texto
Um formulário pode conter a palavra impressa yes ao lado de um rótulo e um número com zeros à esquerda. Inspecione essas cadeias extraídas no YAML e compare-as com a origem. A exportação mantém o texto como valores entre aspas, permitindo que seu aplicativo decida se um valor é um rótulo, identificador, data ou outra informação.
Solução de problemas de PDF para YAML
| Situação | O que verificar |
|---|---|
| O texto contém sequências de escape Unicode | Um analisador YAML consegue recuperar os caracteres originais dos escapes entre aspas. Isso também impede que caracteres de controle desorganizem a estrutura do arquivo. |
| A saída não é uma configuração pronta para importar | Ela é um registro de extração. Mapeie e valide separadamente os campos necessários ao seu aplicativo. |
| A seleção é densa demais | Reduza o intervalo de páginas. Uma página densa pode atingir o limite de itens ou caracteres de texto antes do limite de páginas. |
Perguntas frequentes
Esta ferramenta lê ou executa YAML de entrada?
Não. Ela lê um PDF e cria YAML de saída. Não carrega YAML enviado, executa tags nem aplica configurações.
Ela reconhece texto em páginas digitalizadas?
Não é realizado OCR automático. Execute OCR primeiro em um PDF que contenha apenas imagens e confira o texto reconhecido antes de exportá-lo.
Os itens extraídos já estão na ordem de leitura?
Não necessariamente. Páginas com várias colunas e rótulos posicionados podem produzir outra ordem de extração. Confira as coordenadas e a página original.