Vai al contenuto principale
PPDF123

Converti PDF in XML

PDF in XML importa un PDF con LibreOffice e restituisce un file XML in stile Office. È un'esportazione di testo e layout senza garanzie, non una copia della struttura o dei tag del PDF.

Trascina i file qui, o clicca per sceglierli

Accetta PDF · fino a 500.0 MB per file · fino a 20 file alla volta

Puoi anche incollare un file con Ctrl/Cmd+V o dal menu degli appunti.

PDF in XML manda il file a LibreOffice `writer_pdf_import` con `outputFormat=xml`. Il download è un documento XML in stile Office (`octet-stream`), non una ricostruzione dei content stream del PDF né della struttura tagged-PDF.

È la stessa famiglia di importazione LibreOffice di PDF in Word, ma con uscita XML invece di DOCX. Layout, tabelle e font sono nel limite del possibile. Le scansioni senza livello di testo vengono importate come immagini o porzioni vuote.

Questa pagina non ha opzioni. I file protetti da password vengono sbloccati per te su questa pagina una volta inserita la password; chi usa l'API deve prima passare da Rimuovi password. L'OCR in Markdown non può essere inviato qui.

Se ti servono le righe di una tabella, PDF in CSV usa un'euristica di layout. Se ti servono solo le parole, PDF in RTF (testo) è più leggero.

L'uscita è un unico file XML. Descrive un documento come lo intende una suite per ufficio: paragrafi, porzioni di testo, stili ed eventuali immagini incorporate. Non descrive il PDF in sé, quindi non vi troverai oggetti di pagina, font come li memorizzava il PDF né gli operatori originali del content stream.

Decidi in base a ciò che si aspetta il tuo programma successivo. Se una pipeline legge già XML di LibreOffice o Office, questo è un input diretto. Se vuoi leggere le parole in uno script, il testo semplice è più comodo. Se vuoi modificare il layout, converti invece in Word e apri il file in un editor.

Poiché l'importatore ricostruisce i paragrafi a partire da testo posizionato, interruzioni di riga dentro un paragrafo, colonne, intestazioni e piè di pagina possono finire in una struttura diversa da quella che disegnerebbe una persona. Tratta l'XML come una prima passata da controllare, non come uno specchio fedele del PDF.

Funzioni

  • LibreOffice `writer_pdf_import` verso XML
  • Non è uno scarico della struttura PDF e non è OCR
  • Nessuna opzione di intervallo pagine o di schema
  • API anonima: /api/v1/convert/pdf/xml

Quando usarlo

  • Dare un PDF nato digitale a una pipeline che già legge XML Office
  • Ispezionare come LibreOffice ha scomposto il documento
  • Ottenere una bozza XML quando DOCX è il passo successivo sbagliato
  • Confrontare come sono state strutturate due esportazioni dello stesso documento facendo il diff dei loro XML
  • Estrarre il testo a livello di paragrafo con i nomi degli stili in uno script che conosce già il vocabolario XML di Office

Come convertire un PDF in XML?

  1. Carica un PDF basato su testo.
  2. Fai clic su Elabora. In questa pagina non ci sono scelte di formato.
  3. Scarica il file `.xml`.
  4. Aprilo in LibreOffice o in un editor e trattalo come una bozza.
  5. Cerca nell'XML alcune parole distintive del PDF. Se non le trovi, probabilmente il PDF non ha un livello di testo e conviene fare prima l'OCR.
  6. Controlla i punti più difficili del layout, come colonne, tabelle e note a piè di pagina, prima di dare l'XML in pasto a qualcosa di automatico.

Limiti e casi limite

  • Non è estrazione di tagged-PDF né di XFDF/XFA
  • Non è OCR
  • Tabelle e paginazione non corrisponderanno al PDF
  • I font sono nominati ma non incorporati
  • File molto grandi o complessi possono fallire o richiedere molto tempo, perché l'intero documento viene prima importato
  • Limite di caricamento su questo sito: 500 MB per file, inviati a blocchi oltre circa 95 MB. Il corpo di una singola richiesta API diretta è limitato a 100 MB.

Esempi

  • Un memo di due pagine, solo testo, da un word processor: l'XML contiene i paragrafi con i loro stili e cercando una frase del memo la si trova
  • Una pagina di rivista a tre colonne: aspettati il testo ordinato secondo la lettura della pagina fatta dall'importatore, che può intercalare le colonne, quindi controlla l'ordine
  • Una scansione di 30 pagine senza livello di testo: l'XML contiene soprattutto riferimenti a immagini e il passo successivo è l'OCR
  • Un memo di testo spesso diventa un grande file XML Office con porzioni di paragrafo
  • Un PDF fatto solo di scansioni spesso diventa un XML che per lo più racchiude immagini

Privacy di questo strumento

I file vengono caricati su HTTPS, elaborati in memoria o in una directory temporanea di breve durata sui nostri server, e cancellati quando il risultato è pronto. Non conserviamo copie per consultarle in seguito, per addestrare modelli o per profili pubblicitari. Consulta l'Informativa sulla privacy per i tempi di conservazione e i cookie AdSense.

Domande frequenti

L'XML mantiene le mie tabelle?
Può mantenerne una quando l'importatore riconosce il layout come tabella, ma paginazione e confini delle celle sono nel limite del possibile. Se l'obiettivo sono righe e colonne, PDF in CSV è lo strumento più diretto.
Perché il file è molto più grande del PDF?
L'XML Office scrive per esteso ogni paragrafo, porzione e stile in forma di testo, e le immagini possono essere incorporate, quindi l'uscita può essere più grande dell'originale. È una proprietà del formato, non un segno di errore.
Funziona con un documento scansionato?
Non in modo utile. Senza livello di testo non c'è nulla da importare tranne le immagini delle pagine. Esegui prima l'OCR per ottenere una versione di testo, poi converti quella.
Posso ottenere i tag da un PDF taggato?
No. L'albero dei tag di un PDF accessibile non viene esportato. La struttura nell'XML deriva dalle ipotesi di layout dell'importatore.
Cosa faccio se la conversione fallisce?
Prova Ripara PDF sul file e riesegui la conversione. Se continua a fallire, il file potrebbe essere danneggiato oltre ciò che l'importatore riesce a leggere.
I font vengono conservati?
I nomi dei font sono riportati come stili quando l'importatore riesce a leggerli, ma l'uscita non incorpora i file dei font, quindi l'XML verrà reso con font sostitutivi se il font non è installato.
È l'XML interno del PDF?
No. È LibreOffice che esporta il documento importato come XML, non l'albero degli oggetti del PDF.
Perché una scansione esce quasi vuota?
LibreOffice non ha testo da importare. Usa OCR in Markdown per ottenere parole dai pixel.
Posso scegliere un altro tipo di XML?
No. Il convertitore imposta outputFormat su xml di default e su questo percorso ammette solo quel valore.
In cosa è diverso da PDF in Word?
Stesso importatore, uscita diversa. Word dà docx/doc/odt. Questo percorso dà xml.

Ultimo aggiornamento:

Chiamalo dal codice

Ogni strumento del sito è un'interfaccia REST. Per l'uso anonimo non servono account né chiave API. Va bene per browser, sviluppatori e agenti IA.

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

Disponibile anche come strumento MCP per i client che parlano Model Context Protocol (JSON-RPC 2.0 su POST /mcp). Riferimento API completo

Usalo da un agente IA

Skill

Con questa skill, Claude Code, Codex, Cursor e altri agenti IA possono eseguire «PDF in XML» al posto tuo: /skills/pdf123-pdf-to-xml.md

Tutte le skill per agenti

I file servono solo a questa elaborazione e poi vengono cancellati.