Lewati ke konten utama
PPDF123

Ubah PDF Menjadi Berkas XML

PDF ke XML mengimpor PDF lewat LibreOffice dan mengembalikan berkas XML bergaya Office. Ini ekspor teks dan tata letak seadanya, bukan salinan struktur atau tag PDF.

Seret file ke sini, atau klik untuk memilih

Menerima PDF · maksimal 500.0 MB per file · hingga 20 file sekaligus

Anda juga dapat menempelkan file dengan Ctrl/Cmd+V atau dari menu papan klip.

PDF ke XML menyerahkan berkas ke LibreOffice `writer_pdf_import` dengan `outputFormat=xml`. Unduhannya adalah dokumen XML bergaya Office (`octet-stream`), bukan rekonstruksi aliran konten PDF atau struktur tagged-PDF.

Ini keluarga impor LibreOffice yang sama dengan PDF ke Word, hanya targetnya XML, bukan DOCX. Tata letak, tabel, dan font diproses sebisanya. Pindaian tanpa lapisan teks diimpor sebagai gambar atau run kosong.

Halaman ini tidak punya opsi. Berkas yang dilindungi kata sandi dibuka untuk Anda di halaman ini setelah Anda memasukkan kata sandinya; pengguna API harus menjalankan Hapus kata sandi lebih dulu. Markdown OCR tidak bisa dikirim ke sini.

Jika Anda butuh baris dari tabel, PDF ke CSV adalah heuristik tata letaknya. Jika Anda hanya butuh kata, PDF ke RTF (teks) lebih ringkas.

Hasilnya satu berkas XML. Isinya menggambarkan dokumen seperti yang dipahami suite office: paragraf, run teks, gaya, dan gambar yang disematkan. Isinya tidak menggambarkan PDF itu sendiri, jadi Anda tidak akan menemukan objek halaman, font seperti yang disimpan PDF, atau operator aliran konten asli di dalamnya.

Putuskan berdasarkan apa yang diharapkan program Anda berikutnya. Jika pipeline sudah membaca XML LibreOffice atau Office, ini input langsung. Jika Anda ingin membaca kata di skrip, teks polos lebih sederhana. Jika Anda ingin mengedit tata letak, konversikan ke Word dan buka berkasnya di editor.

Karena pengimpor membangun paragraf dari teks yang diposisikan, jeda baris di dalam paragraf, kolom, header, dan footer bisa ditempatkan dalam struktur yang berbeda dari yang akan digambar manusia. Perlakukan XML sebagai hasil awal yang harus diperiksa, bukan cermin setia PDF.

Fitur

  • LibreOffice `writer_pdf_import` ke XML
  • Bukan dump struktur PDF dan bukan OCR
  • Tanpa rentang halaman atau opsi skema
  • API anonim: /api/v1/convert/pdf/xml

Kapan memakai alat ini

  • Menyerahkan PDF born-digital ke pipeline yang sudah menerima Office XML
  • Melihat bagaimana LibreOffice memecah dokumen menjadi token
  • Mendapatkan draf XML saat langkah berikutnya bukan DOCX
  • Membandingkan struktur dua ekspor dari dokumen yang sama dengan men-diff keluaran XML-nya
  • Mengambil teks tingkat paragraf beserta nama gaya ke skrip yang sudah mengenal kosakata Office XML

Bagaimana cara mengubah PDF menjadi XML?

  1. Unggah PDF berbasis teks.
  2. Klik Proses. Halaman ini tidak punya pilihan format.
  3. Unduh berkas `.xml`.
  4. Buka di LibreOffice atau editor dan perlakukan sebagai draf.
  5. Cari beberapa kata khas dari PDF di dalam XML. Jika tidak ketemu, PDF kemungkinan tidak punya lapisan teks dan Anda sebaiknya OCR dulu.
  6. Periksa bagian dengan tata letak tersulit, seperti kolom, tabel, dan catatan kaki, sebelum memberikan XML ke proses otomatis apa pun.

Batasan dan kasus khusus

  • Bukan ekstraksi tagged-PDF atau XFDF/XFA
  • Bukan OCR
  • Tabel dan paginasi tidak akan cocok dengan PDF
  • Font dinamai tetapi tidak disematkan
  • Berkas yang sangat besar atau rumit bisa gagal atau lama, karena seluruh dokumen diimpor lebih dulu
  • Batas unggah di situs ini: 500 MB per berkas, dikirim bertahap (per potongan) di atas sekitar 95 MB. Satu permintaan API langsung dibatasi 100 MB.

Contoh

  • Memo teks dua halaman dari pengolah kata: XML berisi paragraf beserta gayanya, dan mencari satu kalimat dari memo akan menemukannya
  • Halaman majalah tiga kolom: urutan teks mengikuti pembacaan halaman oleh pengimpor, yang bisa menyelang-nyelingkan kolom, jadi periksa urutannya
  • Pindaian 30 halaman tanpa lapisan teks: XML sebagian besar berisi rujukan gambar, dan langkah berikutnya adalah OCR
  • Memo teks sering menjadi berkas Office XML besar dengan run paragraf
  • PDF pindaian murni sering menjadi XML yang terutama membungkus gambar

Privasi alat ini

File diunggah lewat HTTPS, diproses di memori atau direktori sementara singkat di server kami, lalu dihapus saat hasil siap. Kami tidak menyimpan salinan untuk ditelusuri nanti, pelatihan, atau profil iklan. Lihat Kebijakan Privasi untuk retensi dan pengungkapan cookie AdSense.

Pertanyaan umum

Apakah XML mempertahankan tabel saya?
Mungkin, jika pengimpor mengenali tata letak itu sebagai tabel, tetapi paginasi dan batas sel hanya sebisanya. Jika baris dan kolom adalah tujuannya, PDF ke CSV adalah alat yang lebih langsung.
Mengapa berkasnya jauh lebih besar daripada PDF?
Office XML menuliskan setiap paragraf, run, dan gaya sebagai teks, dan gambar bisa disematkan, sehingga hasilnya bisa lebih besar daripada sumbernya. Itu sifat formatnya, bukan tanda kesalahan.
Apakah berfungsi untuk dokumen pindaian?
Tidak dengan cara yang berguna. Tanpa lapisan teks, tidak ada yang bisa diimpor selain gambar halaman. Jalankan OCR dulu untuk mendapat versi teks, lalu konversikan itu.
Bisakah saya mendapat tag dari PDF bertag?
Tidak. Pohon tag dari PDF yang aksesibel tidak diekspor. Struktur di dalam XML berasal dari tebakan tata letak pengimpor.
Apa yang harus saya lakukan jika konversi gagal?
Coba Perbaiki pada PDF lalu jalankan konversi lagi. Jika masih gagal, berkas mungkin rusak melebihi yang bisa dibaca pengimpor.
Apakah font dipertahankan?
Nama font dibawa sebagai gaya jika pengimpor bisa membacanya, tetapi hasilnya tidak menyematkan berkas font, sehingga XML akan dirender dengan pengganti jika font tidak terpasang.
Apakah ini XML internal PDF?
Bukan. Ini LibreOffice mengekspor dokumen yang diimpor sebagai XML, bukan pohon objek PDF.
Mengapa pindaian hampir kosong?
LibreOffice tidak punya teks untuk diimpor. Gunakan OCR ke Markdown untuk mendapat kata dari piksel.
Bisakah memilih dialek XML lain?
Tidak. Konverter menetapkan outputFormat bawaan xml dan hanya mengizinkan nilai itu di jalur ini.
Apa bedanya dengan PDF ke Word?
Pengimpor sama, keluaran berbeda. Word memberi docx/doc/odt. Jalur ini memberi xml.

Terakhir diperbarui:

Panggil dari kode

Setiap alat di situs ini adalah antarmuka REST biasa. Pemakaian anonim tidak butuh akun atau kunci API. Bisa dipakai dari browser, oleh pengembang, maupun agen AI.

curl -X POST "https://pdf123.xyz/api/v1/convert/pdf/xml" \
  -F "[email protected]" \
  -o output.pdf

Juga tersedia sebagai alat MCP untuk klien agen yang memakai Model Context Protocol (JSON-RPC 2.0 lewat POST /mcp). Referensi API lengkap

Gunakan dari agen AI

Skill

Dengan skill ini, Claude Code, Codex, Cursor, dan agen AI lainnya bisa menjalankan "PDF ke XML" untuk Anda: /skills/pdf123-pdf-to-xml.md

Semua skill agen

File hanya dipakai untuk pemrosesan ini, lalu dihapus otomatis.