حوّل PDF إلى XML
PDF إلى XML يستورد ملف PDF عبر LibreOffice ويعيد ملف XML بنمط Office. هو تصدير للنص والتخطيط بأفضل جهد، لا نسخة من بنية PDF أو وسومه.
اسحب الملفات وأفلتها هنا، أو انقر للاختيار
يقبل PDF · حتى 500.0 MB لكل ملف · حتى 20 ملفات في المرة الواحدة
يمكنك أيضًا لصق ملف باستخدام Ctrl/Cmd+V أو من قائمة الحافظة.
PDF إلى XML يمرّر الملف عبر LibreOffice `writer_pdf_import` مع `outputFormat=xml`. التنزيل مستند XML بنمط Office (`octet-stream`)، وليس إعادة بناء لتيارات محتوى PDF ولا لبنية PDF الموسوم.
هذه عائلة استيراد LibreOffice نفسها التي يستخدمها «PDF إلى Word»، لكنها موجهة إلى XML بدل DOCX. التخطيط والجداول والخطوط بأفضل جهد. المسوحات الضوئية التي بلا طبقة نص تُستورد صورًا أو مقاطع فارغة.
لا توجد خيارات في هذه الصفحة. الملفات المحمية بكلمة مرور تُفتح لك في هذه الصفحة بمجرد إدخال كلمة المرور؛ أما مستخدمو API فيشغّلون «إزالة كلمة المرور» أولًا. لا يمكن إرسال Markdown الناتج عن OCR إلى هنا.
إذا كنت تحتاج صفوف جدول فـ«PDF إلى CSV» يعتمد استدلال التخطيط. وإذا كنت تحتاج الكلمات فقط فـ«PDF إلى نص» أصغر حجمًا.
الناتج ملف XML واحد. يصف مستندًا كما تفهمه حزمة مكتبية: فقرات ومقاطع نص وأنماطًا وأي صور مضمّنة. ولا يصف PDF نفسه، فلن تجد فيه كائنات الصفحات ولا الخطوط كما خزّنها PDF ولا معاملات تيار المحتوى الأصلية.
قرّر بحسب ما يتوقعه برنامجك التالي. إذا كان لديك خط معالجة يقرأ XML الخاص بـ LibreOffice أو Office أصلًا فهذا مدخل مباشر له. وإذا أردت قراءة الكلمات في سكربت فالنص العادي أبسط. وإذا أردت تعديل التخطيط فحوّل إلى Word بدلًا من ذلك وافتح الملف في محرر.
لأن المستورد يعيد بناء الفقرات من نص موضوع بإحداثيات، فقد توضع فواصل الأسطر داخل الفقرة والأعمدة والترويسات والتذييلات في بنية تختلف عما سيرسمه إنسان. عامل XML كمسودة أولى تحتاج إلى تدقيق، لا كمرآة أمينة لـ PDF.
الميزات
- LibreOffice `writer_pdf_import` إلى XML
- ليس تفريغًا لبنية PDF وليس OCR
- لا نطاق صفحات ولا خيارات مخطط
- نقطة API مجهولة: /api/v1/convert/pdf/xml
حالات الاستخدام
- تغذية خط معالجة يستهلك Office XML أصلًا بـ PDF وُلد رقميًا
- فحص كيف قسّم LibreOffice المستند إلى وحدات
- الحصول على مسودة XML حين لا تكون الخطوة التالية DOCX
- مقارنة كيف بُنيت نسختان مصدَّرتان من المستند نفسه بمقارنة ناتجَي XML
- سحب نص على مستوى الفقرة مع أسماء الأنماط إلى سكربت يعرف مفردات Office XML أصلًا
كيف أحوّل PDF إلى XML؟
- ارفع PDF قائمًا على النص.
- انقر «بدء المعالجة». لا توجد خيارات صيغة في هذه الصفحة.
- نزّل ملف `.xml`.
- افتحه في LibreOffice أو محرر وتعامل معه كمسودة.
- ابحث في XML عن بضع كلمات مميزة من PDF. إذا لم تجدها فالأرجح أن PDF بلا طبقة نص، فاستخدم OCR أولًا.
- افحص المواضع الأصعب في التخطيط، مثل الأعمدة والجداول والحواشي السفلية، قبل تمرير XML إلى أي شيء آلي.
الحدود والحالات الحدّية
- ليس استخراج PDF الموسوم ولا XFDF/XFA
- ليس OCR
- الجداول وترقيم الصفحات لن تطابق PDF
- الخطوط تُسمّى لكنها لا تُضمَّن
- الملفات الكبيرة جدًا أو المعقدة قد تفشل أو تستغرق وقتًا طويلًا، لأن المستند كله يُستورد أولًا
- حد الرفع في هذا الموقع: 500 ميغابايت لكل ملف، ويُرسل على أجزاء عندما يتجاوز نحو 95 ميغابايت. أما جسم طلب API المباشر الواحد فحده الأقصى 100 ميغابايت.
أمثلة
- مذكرة نصية فقط من صفحتين من معالج نصوص: يحتوي XML على الفقرات بأنماطها، والبحث عن جملة من المذكرة يجدها
- صفحة مجلة بثلاثة أعمدة: توقّع أن يرتّب المستورد النص بحسب قراءته للصفحة، وقد يخلط الأعمدة، فتحقق من الترتيب
- مسح ضوئي من 30 صفحة بلا طبقة نص: يحتوي XML في معظمه على مراجع صور، والخطوة التالية هي OCR
- مذكرة نصية غالبًا تصبح ملف Office XML كبيرًا بمقاطع فقرات
- PDF مسح ضوئي صرف غالبًا يصبح XML يغلّف الصور في معظمه
خصوصية هذه الأداة
تُرفع الملفات عبر HTTPS، وتُعالَج في الذاكرة أو في مجلد مؤقت قصير العمر على خوادمنا، ثم تُحذف عندما يصبح الناتج جاهزًا. لا نحتفظ بنسخ للتصفح لاحقًا أو لتدريب النماذج أو لملفات الإعلانات. راجع سياسة الخصوصية لمدد الاحتفاظ وإفصاحات ملفات تعريف الارتباط الخاصة بـ AdSense.
أسئلة شائعة
- هل يحتفظ XML بجداولي؟
- قد يحتفظ بالجدول عندما يتعرف المستورد على التخطيط بوصفه جدولًا، لكن ترقيم الصفحات وحدود الخلايا بأفضل جهد. إذا كان الهدف الصفوف والأعمدة فـ«PDF إلى CSV» هو الأداة الأكثر مباشرة.
- لماذا الملف أكبر بكثير من PDF؟
- يسرد XML الخاص بـ Office كل فقرة ومقطع ونمط نصًا، وقد تُضمَّن الصور، فقد يكون الناتج أكبر من المصدر. هذه خاصية في الصيغة لا علامة على خطأ.
- هل يعمل مع مستند ممسوح ضوئيًا؟
- ليس بصورة مفيدة. بلا طبقة نص لا يوجد ما يُستورد سوى صور الصفحات. شغّل OCR أولًا للحصول على نسخة نصية ثم حوّلها.
- هل أستطيع الحصول على الوسوم من PDF موسوم؟
- لا. شجرة الوسوم في PDF الميسّر الوصول لا تُصدَّر. البنية في XML تأتي من تخمينات المستورد للتخطيط.
- ماذا أفعل إذا فشل التحويل؟
- جرّب «إصلاح PDF» على الملف ثم أعد التحويل. وإذا استمر الفشل فقد يكون الملف تالفًا فوق ما يستطيع المستورد قراءته.
- هل تُحفظ الخطوط؟
- تُنقل أسماء الخطوط كأنماط حين يستطيع المستورد قراءتها، لكن الناتج لا يضمّن ملفات الخطوط، فسيُعرض XML بخطوط بديلة إن لم يكن الخط مثبّتًا.
- هل هذا هو XML الداخلي في PDF؟
- لا. هذا تصدير LibreOffice للمستند المستورد بصيغة XML، لا شجرة كائنات PDF.
- لماذا المسح الضوئي شبه فارغ؟
- لا يجد LibreOffice نصًا يستورده. للكلمات الموجودة في البكسلات استخدم OCR إلى Markdown.
- هل أستطيع اختيار نمط XML آخر؟
- لا. يضبط المحوّل outputFormat افتراضيًا على xml ولا يسمح بغير هذه القيمة في هذا المسار.
- ما الفرق بينه وبين «PDF إلى Word»؟
- المستورد نفسه والناتج مختلف. «PDF إلى Word» يعطي docx/doc/odt. وهذا المسار يعطي xml.
آخر تحديث:
الاستدعاء من الشيفرة
كل أداة هنا نقطة نهاية REST عادية. الاستخدام المجهول بلا حساب ولا مفتاح API. للمتصفح والمطوّرين والوكلاء على حد سواء.
curl -X POST "https://pdf123.xyz/api/v1/convert/pdf/xml" \
-F "[email protected]" \
-o output.pdfمتاحة أيضًا كأداة MCP لأي عميل وكيل يدعم Model Context Protocol (JSON-RPC 2.0 عبر POST /mcp). مرجع API الكامل
استخدمها من وكيل ذكاء اصطناعي
مهارةبهذه المهارة يستطيع Claude Code وCodex وCursor وغيرها من وكلاء الذكاء الاصطناعي تشغيل «PDF إلى XML» نيابةً عنك: /skills/pdf123-pdf-to-xml.md
الملفات لهذه المعالجة فقط، وتُحذف تلقائيًا بعدها.