Превърнете PDF в XML
PDF към XML внася PDF през LibreOffice и връща XML файл в стил Office. Това е износ на текст и макет с най-добро усилие, а не копие на структурата или таговете на PDF.
Плъзнете файлове тук или кликнете, за да изберете
Приема PDF · до 500.0 MB на файл · до 20 файла наведнъж
Можете също да поставите файл с Ctrl/Cmd+V или от менюто на клипборда.
PDF към XML подава файла към LibreOffice `writer_pdf_import` с `outputFormat=xml`. Изтеглянето е XML документ в стил Office (`octet-stream`), а не възстановяване на потоците със съдържание на PDF или на структурата на tagged PDF.
Това е същото семейство LibreOffice импорт като «PDF към Word», само че насочено към XML вместо към DOCX. Оформлението, таблиците и шрифтовете са по най-добро усилие. Сканове без текстов слой се импортират като картинки или празни фрагменти.
На тази страница няма опции. Файловете, защитени с парола, се отключват вместо вас на тази страница, щом въведете паролата; при API първо пуснете «Премахване на парола». OCR Markdown не може да се подаде тук.
Ако ви трябват редове от таблица, «PDF към CSV» е евристиката за оформление. Ако ви трябват само думите, «PDF към RTF (текст)» дава по-малък резултат.
Резултатът е един XML файл. Той описва документ така, както го разбира офис пакет: абзаци, текстови фрагменти, стилове и евентуални вградени картинки. Не описва самия PDF, така че в него няма да намерите обектите на страниците, шрифтовете така, както PDF ги е съхранявал, или оригиналните оператори на потока със съдържание.
Решавайте според това, което очаква следващата ви програма. Ако конвейерът ви вече чете XML на LibreOffice или Office, това е директен вход. Ако искате да четете думите в скрипт, чистият текст е по-прост. Ако искате да редактирате оформлението, преобразувайте във Word и отворете файла в редактор.
Тъй като импортерът възстановява абзаците от позиционирания текст, прекъсванията на редове в абзаца, колоните, горните и долните колонтитули може да се окажат в структура, различна от тази, която би начертал човек. Гледайте на XML като на първи преглед, който трябва да се провери, а не като на вярно огледало на PDF.
Възможности
- LibreOffice `writer_pdf_import` към XML
- Не е изброяване на структурата на PDF и не е OCR
- Без диапазон страници и без опции за схема
- Анонимен API: /api/v1/convert/pdf/xml
Кога да го използвате
- Подаване на цифрово роден PDF към конвейер, който вече приема Office XML
- Преглед как LibreOffice е разбил документа на единици
- XML чернова, когато DOCX е грешната следваща стъпка
- Сравняване на структурата на два експорта на един и същ документ чрез diff на техния XML
- Извличане на текст на ниво абзац с имената на стиловете към скрипт, който вече познава речника на Office XML
Как да превърна PDF в XML?
- Качете PDF с текст.
- Натиснете «Обработка». На тази страница няма избор на формат.
- Изтеглете `.xml` файла.
- Отворете го в LibreOffice или в редактор и го третирайте като чернова.
- Потърсете в XML няколко характерни думи от PDF. Ако не ги намерите, PDF вероятно няма текстов слой и първо трябва да ползвате OCR.
- Проверете местата, където оформлението е най-трудно, като колони, таблици и бележки под линия, преди да подадете XML на каквото и да е автоматизирано.
Ограничения и крайни случаи
- Не е извличане на tagged PDF или на XFDF/XFA
- Не е OCR
- Таблиците и разделянето на страници няма да съвпаднат с PDF
- Шрифтовете са назовани, но не са вградени
- Много големи или сложни файлове може да се провалят или да отнемат дълго, защото целият документ се импортира първо
- Ограничение за качване на този сайт: 500 MB на файл; над около 95 MB файлът се изпраща на части. Тялото на една пряка API заявка е ограничено до 100 MB.
Примери
- Двустранична бележка само с текст от текстообработваща програма: XML съдържа абзаците със стиловете им и търсенето на изречение от бележката го намира
- Страница от списание с три колони: очаквайте текстът да е подреден според прочита на страницата от импортера, който може да преплете колоните, така че проверете реда
- 30-странен скан без текстов слой: XML съдържа най-вече препратки към картинки, а следващата стъпка е OCR
- Текстова бележка често става голям Office XML файл с фрагменти от абзаци
- PDF само от скан често става XML, който най-вече обвива изображения
Поверителност при този инструмент
Файловете се качват по HTTPS, обработват се в паметта или в краткоживуща временна директория на нашите сървъри и се изтриват, щом резултатът е готов. Не задържаме копия за по-късен преглед, обучение на модели или рекламни профили. Сроковете за съхранение и обясненията за бисквитките на AdSense са в Политиката за поверителност.
Често задавани въпроси
- Запазва ли XML таблиците ми?
- Може да запази таблица, когато импортерът разпознае оформлението като такава, но разделянето на страници и границите на клетките са по най-добро усилие. Ако целта са редове и колони, «PDF към CSV» е по-прекият инструмент.
- Защо файлът е много по-голям от PDF?
- Office XML описва в текст всеки абзац, фрагмент и стил, а картинките могат да са вградени, така че резултатът може да е по-голям от източника. Това е свойство на формата, а не знак за грешка.
- Ще работи ли за сканиран документ?
- Не по полезен начин. Без текстов слой няма какво да се импортира освен картинки на страниците. Първо пуснете OCR, за да получите текстова версия, и после преобразувайте нея.
- Мога ли да получа таговете на tagged PDF?
- Не. Дървото от тагове на достъпен PDF не се експортира. Структурата в XML идва от предположенията на импортера за оформлението.
- Какво да направя, ако конвертирането се провали?
- Пуснете «Поправка на PDF» върху файла и повторете преобразуването. Ако пак се провали, файлът може да е повреден повече, отколкото импортерът може да прочете.
- Запазват ли се шрифтовете?
- Имената на шрифтовете се пренасят като стилове, когато импортерът може да ги прочете, но резултатът не вгражда файловете на шрифтовете, така че XML ще се визуализира със заместители, ако шрифтът не е инсталиран.
- Това вътрешният XML на PDF ли е?
- Не. Това е LibreOffice, който експортира импортирания документ като XML, а не дървото от PDF обекти.
- Защо сканът е почти празен?
- LibreOffice няма текст за импорт. Ползвайте «OCR към Markdown», за да получите думи от пиксели.
- Мога ли да избера друг вариант на XML?
- Не. Конверторът подразбира outputFormat като xml и на този път позволява само тази стойност.
- С какво се различава от «PDF към Word»?
- Същият импортер, различен изход. «PDF към Word» дава docx/doc/odt. Този път дава xml.
Последна актуализация:
Извикване от код
Всеки инструмент е обикновен REST интерфейс. За анонимна употреба не трябват профил или API ключ. Работи еднакво в браузър, за разработчици и за AI агенти.
curl -X POST "https://pdf123.xyz/api/v1/convert/pdf/xml" \
-F "[email protected]" \
-o output.pdfНаличен е и като MCP инструмент за клиенти с Model Context Protocol (JSON-RPC 2.0 през POST /mcp). Пълна API документация
Използвайте го чрез AI агент
СкилС този скил Claude Code, Codex, Cursor и други AI агенти могат да изпълнят „PDF към XML“ вместо вас: /skills/pdf123-pdf-to-xml.md
Файловете служат само за тази обработка и после се изтриват автоматично.