Заполненная форма PDF хранит ответы в объектах полей, а не в тексте страницы, поэтому копирование текста формы даёт все подписи и ни одного ответа. Инструмент читает эти объекты напрямую и раскладывает их в таблицу: имя поля ровно так, как его хранит документ, тип, ответ, варианты выпадающего списка и страницу, на которой поле находится. Результат выгружается плоским объектом JSON вида имя-значение, подробным JSON с типами и признаками или CSV для таблицы и рассылки.
Возможности
Читает текстовые поля, флажки, группы переключателей, списки и поля подписи
Показывает полное имя поля так, как его хранит PDF
Показывает варианты выпадающего списка рядом с выбранным
Отмечает обязательные и доступные только для чтения поля и указывает страницу
Фильтр по имени или ответу и возможность скрыть незаполненные поля
Экспорт в плоский JSON, подробный JSON или CSV
Считает заполненные и пустые поля, чтобы видеть пропуски
Как использовать Извлечение данных формы PDF
Перетащите заполненный PDF на страницу
Просмотрите таблицу имён полей и ответов
Отфильтруйте или скройте пустые поля, если форма длинная
Имена полей берутся из документа, поэтому они совпадают с тем, что создаёт или обрабатывает форму.
Частые ошибки и устранение неполадок
Полей не нашлось вовсе. — Скорее всего, это не AcroForm. Отсканированная страница или напечатанная в PDF после заполнения хранит ответы как графику — там нужны извлечение текста или OCR.
Имена полей выглядят как f1_07[0]. — Так их назвал автор формы, и государственные бланки здесь худшие. Страница и ответ обычно проясняют, о каком видимом поле речь.
Поле подписи выглядит пустым. — В поле подписи лежит криптографический объект, а не текст, поэтому извлекать нечего. Поле показано, чтобы вы знали о его существовании.
Флажок показывает Off или 1 вместо «Да». — Экспортные значения флажков задаёт автор формы. Здесь они отображаются как отмеченные или пустые, а подробный экспорт сохраняет исходные значения.
Часто задаваемые вопросы
Почему нельзя просто скопировать текст заполненной формы?
Потому что ответы не входят в текст страницы. Поля AcroForm — отдельные объекты поверх страницы, поэтому копирование текста возвращает только напечатанные подписи.
Что такое AcroForm?
Слой интерактивных форм, встроенный в спецификацию PDF: он даёт текстовые поля, флажки и выпадающие списки. Его использует почти каждая заполняемая форма, кроме старых форм XFA.
Можно ли извлечь данные сразу из нескольких форм?
Здесь по одному документу за раз, но экспорт CSV рассчитан на объединение: обработайте каждую форму, добавьте строки — имена полей совпадут, потому что они из одного шаблона.
Меняет ли извлечение сам PDF?
Нет. Файл только читается, ничего не записывается обратно, и исходный документ остаётся прежним.
Сработает ли это на форме с паролем?
Только если она открывается без пароля. Документ, зашифрованный пользовательским паролем, нужно сначала расшифровать.