PDF表单数据提取工具

把填好的PDF表单答案逐字段提取为JSON或CSV。

PDF表单数据提取工具完全在浏览器中运行。表单往往包含个人信息，这里只在你的设备上读取。

由 Udit Agarwal 开发和维护

扁平化填好的表单

关于 PDF表单数据提取

填好的PDF表单把答案存在表单字段对象里，而不是页面文本中，所以复制表单文本只会得到所有标签，一个答案也拿不到。这个工具直接读取那些对象，并排成表格：文档中存储的字段名、类型、答案、下拉框提供的选项，以及字段所在的页。结果可以导出为扁平的名值JSON、带类型和标记的详细JSON，或者供电子表格和邮件合并使用的CSV。

功能特性

  • 读取文本框、复选框、单选组、下拉框、列表和签名字段
  • 按PDF存储的原样显示完整字段名
  • 把下拉框的选项与所选值并列显示
  • 标出必填和只读字段，并给出所在页码
  • 按名称或答案筛选，可隐藏未填写的字段
  • 导出为扁平JSON、详细JSON或CSV
  • 统计已填与空白数量，便于发现遗漏

如何使用 PDF表单数据提取

  1. 把填好的PDF拖到页面上
  2. 浏览字段名与答案的表格
  3. 表单较长时可以筛选或隐藏空白字段
  4. 把数据复制或下载为JSON或CSV

示例

输入

W-9 with the name and address fields completed

输出

{
  "topmostSubform[0].Page1[0].f1_01[0]": "Ada Lovelace",
  "topmostSubform[0].Page1[0].f1_07[0]": "12 Baker Street"
}

字段名来自文档本身，因此与生成或处理该表单的系统一致。

常见错误与故障排除

  • 一个字段都没找到。 — 这份表单很可能不是AcroForm。扫描的页面，或填写后打印成PDF的文件，答案是以图形形式存在的，需要文本提取或OCR。
  • 字段名是f1_07[0]这种看不懂的字符串。 — 这是表单作者起的名字，政府表格尤其如此。页码和答案通常足以判断它对应哪个可见字段。
  • 签名字段显示为空。 — 签名字段携带的是加密签名对象而不是文本值，因此没有可提取的内容。列出它只是为了让你知道它存在。
  • 复选框显示Off或1而不是“是”。 — 复选框的导出值由表单作者决定。这里以勾选或空白呈现，详细导出会保留原始取值。

常见问题

为什么不能直接复制填好表单的文本？
因为答案并不属于页面文本。AcroForm字段是叠在页面上的独立对象，复制文本只会拿到印刷出来的标签。
什么是AcroForm？
这是PDF规范内置的交互表单层，提供文本框、复选框和下拉框。几乎所有可填写表单都在用它，老式XFA表单是主要例外。
能一次从多个表单提取数据吗？
这里一次处理一份文档，但CSV导出就是为叠加设计的：逐份处理、追加行，字段名会对齐，因为它们来自同一个模板。
提取数据会修改PDF吗？
不会。文件只被读取，不会写回，原文档保持不变。如果想把答案固定到页面上，那是扁平化要做的事。
对设了密码的表单有效吗？
只有无需密码即可打开时才行。用用户密码加密的文档必须先解密才能读取字段。

相关工具

  • PDF 拍平 — 把填好的表单字段固定进页面内容。
  • PDF 转文本 — 将 PDF 中可选取的文本提取为纯文本或 Markdown。
  • PDF元数据编辑器 — 查看、修改或清除PDF的标题、作者等字段。
  • 合并 PDF — 将多个 PDF 合并为一个，并支持重新排序。
  • 拆分 PDF — 将页面或范围（如 1-3,5,7-9）提取为新的 PDF。
  • 解密 PDF — 移除已加密 PDF 的密码保护。

更多PDF工具

查看全部PDF工具 (85) · 全部工具