PDF in XML konvertieren
PDF in XML importiert eine PDF über LibreOffice und liefert eine XML-Datei im Office-Stil. Es ist ein Text- und Layout-Export nach bestem Können, keine Kopie von Struktur oder Tags der PDF.
Dateien hierher ziehen oder klicken, um auszuwählen
Akzeptiert PDF · bis zu 500.0 MB pro Datei · bis zu 20 Dateien auf einmal
Sie können eine Datei auch mit Strg/Cmd+V oder über das Zwischenablage-Menü einfügen.
PDF in XML schickt die Datei durch LibreOffice `writer_pdf_import` mit `outputFormat=xml`. Der Download ist ein XML-Dokument im Office-Stil (`octet-stream`), keine Rekonstruktion von PDF-Inhaltsströmen oder der Struktur einer getaggten PDF.
Das ist dieselbe LibreOffice-Importfamilie wie PDF in Word, nur mit XML statt DOCX als Ziel. Layout, Tabellen und Schriften werden nach bestem Bemühen aufgebaut. Scans ohne Textschicht werden zu Bildern oder leeren Textabschnitten importiert.
Auf dieser Seite gibt es keine Optionen. Passwortgeschützte Dateien werden auf dieser Seite für Sie entsperrt, sobald Sie das Passwort eingeben; API-Aufrufer führen zuerst «Passwort entfernen» aus. OCR-Markdown kann hier nicht eingereicht werden.
Brauchen Sie Zeilen aus einer Tabelle, ist PDF in CSV die Layout-Heuristik. Brauchen Sie nur Wörter, ist PDF in RTF kleiner.
Die Ausgabe ist eine einzelne XML-Datei. Sie beschreibt ein Dokument so, wie eine Office-Suite es versteht: Absätze, Textabschnitte, Formatvorlagen und eingebettete Bilder. Sie beschreibt nicht die PDF selbst, Sie finden darin also keine Seitenobjekte, keine Schriften so, wie die PDF sie gespeichert hat, und keine ursprünglichen Operatoren des Inhaltsstroms.
Entscheiden Sie danach, was Ihr nächstes Programm erwartet. Liest eine Pipeline bereits LibreOffice- oder Office-XML, ist das eine direkte Eingabe. Wollen Sie die Wörter in einem Skript lesen, ist Klartext einfacher. Wollen Sie das Layout bearbeiten, konvertieren Sie stattdessen nach Word und öffnen die Datei in einem Editor.
Weil der Import Absätze aus positioniertem Text rekonstruiert, können Zeilenumbrüche innerhalb eines Absatzes, Spalten, Kopf- und Fußzeilen in einer anderen Struktur landen, als ein Mensch sie zeichnen würde. Behandeln Sie das XML als ersten Durchgang, der zu prüfen ist, nicht als treues Abbild der PDF.
Funktionen
- LibreOffice `writer_pdf_import` nach XML
- Kein PDF-Strukturexport und kein OCR
- Kein Seitenbereich und keine Schema-Option
- Anonyme API: /api/v1/convert/pdf/xml
Wann Sie dieses Werkzeug nutzen
- Eine digital erzeugte PDF an eine Pipeline geben, die bereits Office-XML verarbeitet
- Sehen, wie LibreOffice das Dokument in Einheiten zerlegt hat
- Einen XML-Entwurf holen, wenn DOCX der falsche nächste Schritt ist
- Zwei Exporte desselben Dokuments vergleichen, indem man ihre XML-Ausgaben mit diff gegenüberstellt
- Text auf Absatzebene samt Formatvorlagennamen in ein Skript holen, das das Office-XML-Vokabular schon kennt
Wie wandle ich eine PDF in XML um?
- Eine textbasierte PDF hochladen.
- Auf Verarbeiten klicken. Auf dieser Seite gibt es keine Formatauswahl.
- Die `.xml`-Datei herunterladen.
- In LibreOffice oder einem Editor öffnen und als Entwurf behandeln.
- Im XML nach einigen markanten Wörtern aus der PDF suchen. Finden Sie sie nicht, hat die PDF wohl keine Textschicht, und Sie sollten zuerst OCR nutzen.
- Die schwierigsten Stellen des Layouts prüfen, etwa Spalten, Tabellen und Fußnoten, bevor das XML an etwas Automatisiertes geht.
Grenzen und Sonderfälle
- Kein Auslesen getaggter PDFs und kein XFDF/XFA-Extrakt
- Kein OCR
- Tabellen und Seitenumbrüche stimmen nicht mit der PDF überein
- Schriften werden benannt, aber nicht eingebettet
- Sehr große oder komplexe Dateien können scheitern oder lange dauern, weil zuerst das ganze Dokument importiert wird
- Upload-Limit auf dieser Website: 500 MB pro Datei, ab etwa 95 MB in Teilstücken gesendet. Eine einzelne direkte API-Anfrage ist auf 100 MB begrenzt.
Beispiele
- Ein zweiseitiges reines Text-Memo aus einer Textverarbeitung: Das XML enthält die Absätze mit ihren Formatvorlagen, und die Suche nach einem Satz aus dem Memo findet ihn
- Eine Magazinseite mit drei Spalten: Rechnen Sie damit, dass der Text nach der Seitenlesart des Imports geordnet ist und Spalten vermischen kann, prüfen Sie also die Reihenfolge
- Ein 30-seitiger Scan ohne Textschicht: Das XML enthält überwiegend Bildverweise, der nächste Schritt ist OCR
- Ein Text-Memo wird oft zu einer großen Office-XML-Datei mit Absatz-Textabschnitten
- Eine reine Scan-PDF wird oft zu XML, das überwiegend Bilder einpackt
Datenschutz für dieses Werkzeug
Dateien werden über HTTPS hochgeladen, im Speicher oder in einem kurzlebigen temporären Verzeichnis auf unseren Servern verarbeitet und gelöscht, sobald Ihr Ergebnis bereitsteht. Wir behalten keine Kopien für späteres Durchsuchen, Training oder Werbeprofile. Einzelheiten zur Speicherdauer und zu AdSense-Cookies stehen in der Datenschutzerklärung.
Häufige Fragen
- Behält das XML meine Tabellen?
- Es kann eine Tabelle behalten, wenn der Import das Layout als Tabelle erkennt, aber Seitenumbrüche und Zellgrenzen sind nach bestem Bemühen. Sind Zeilen und Spalten das Ziel, ist PDF in CSV das direktere Werkzeug.
- Warum ist die Datei so viel größer als die PDF?
- Office-XML schreibt jeden Absatz, Textabschnitt und jede Formatvorlage als Text aus, und Bilder können eingebettet sein, deshalb kann die Ausgabe größer sein als die Quelle. Das ist eine Eigenschaft des Formats, kein Fehler.
- Funktioniert das bei einem gescannten Dokument?
- Nicht in sinnvoller Weise. Ohne Textschicht gibt es nichts zu importieren außer Seitenbildern. Führen Sie zuerst OCR aus, um eine Textfassung zu erhalten, und konvertieren Sie dann diese.
- Bekomme ich die Tags einer getaggten PDF?
- Nein. Der Tag-Baum einer barrierefreien PDF wird nicht exportiert. Die Struktur im XML stammt aus den Layout-Schätzungen des Imports.
- Was tun, wenn die Konvertierung fehlschlägt?
- Führen Sie «PDF reparieren» auf der PDF aus und konvertieren Sie erneut. Scheitert es weiterhin, ist die Datei womöglich stärker beschädigt, als der Import lesen kann.
- Bleiben Schriften erhalten?
- Schriftnamen werden als Formatvorlagen übernommen, wenn der Import sie lesen kann, aber die Ausgabe bettet die Schriftdateien nicht ein; das XML wird also mit Ersatzschriften dargestellt, wenn die Schrift nicht installiert ist.
- Ist das internes PDF-XML?
- Nein. LibreOffice exportiert das importierte Dokument als XML, nicht den PDF-Objektbaum.
- Warum sind Scans fast leer?
- LibreOffice hat keinen Text zum Import. Für Wörter aus Pixeln nutzen Sie OCR nach Markdown.
- Kann ich einen anderen XML-Dialekt wählen?
- Nein. Der Konverter setzt outputFormat standardmäßig auf xml und erlaubt auf diesem Pfad nur diesen Wert.
- Wie unterscheidet sich das von PDF in Word?
- Gleicher Import, andere Ausgabe. PDF in Word liefert docx/doc/odt. Dieser Pfad liefert xml.
Zuletzt aktualisiert:
Per Code aufrufen
Jedes Werkzeug auf dieser Seite ist ein gewöhnlicher REST-Endpunkt. Für anonyme Nutzung brauchen Sie weder Konto noch API-Schlüssel. Für Browser, Entwickler und KI-Agenten gleichermaßen.
curl -X POST "https://pdf123.xyz/api/v1/convert/pdf/xml" \
-F "[email protected]" \
-o output.pdfAuch als MCP-Werkzeug für Clients, die Model Context Protocol sprechen (JSON-RPC 2.0 über POST /mcp). Vollständige API-Referenz
Mit einem KI-Agenten nutzen
SkillMit diesem Skill können Claude Code, Codex, Cursor und andere KI-Agenten „PDF in XML“ für Sie ausführen: /skills/pdf123-pdf-to-xml.md
Dateien dienen nur diesem Auftrag und werden danach automatisch gelöscht.