본문으로 건너뛰기
PPDF123

PDF를 XML 파일로 만들기

PDF를 XML로는 PDF를 LibreOffice로 가져와 Office 스타일 XML 파일로 돌려줍니다. 글과 레이아웃을 가능한 범위에서 내보낸 것이며 PDF의 구조나 태그를 그대로 옮긴 것이 아닙니다.

여기에 파일을 끌어다 놓거나, 클릭해 고릅니다

PDF 지원 · 파일당 최대 500.0 MB · 한 번에 최대 20개 파일

Ctrl/Cmd+V 또는 클립보드 메뉴로 파일을 붙여넣을 수도 있습니다.

PDF를 XML로는 파일을 `outputFormat=xml`로 LibreOffice `writer_pdf_import`에 보냅니다. 내려받는 파일은 Office 방식의 XML 문서(`octet-stream`)이며, PDF 콘텐츠 스트림이나 태그된 PDF 구조를 복원한 것이 아닙니다.

Word로 변환과 같은 LibreOffice 가져오기 계열이고, 출력만 DOCX 대신 XML입니다. 레이아웃, 표, 글꼴은 최선을 다한 결과입니다. 텍스트 레이어가 없는 스캔본은 그림이나 빈 텍스트 런으로 들어옵니다.

이 페이지에는 옵션이 없습니다. 비밀번호로 보호된 파일은 이 페이지에서 비밀번호를 입력하면 해제됩니다. API 호출자는 먼저 비밀번호 해제를 실행해야 합니다. OCR의 Markdown은 여기로 보낼 수 없습니다.

표의 행이 필요하다면 PDF를 CSV로가 레이아웃 휴리스틱을 씁니다. 단어만 필요하다면 PDF를 텍스트로가 더 작습니다.

출력은 XML 파일 하나입니다. 오피스 프로그램이 이해하는 방식으로 문서를 기술하며, 문단, 텍스트 런, 스타일, 삽입된 그림이 들어 있습니다. PDF 자체를 기술하지는 않으므로 페이지 객체, PDF가 저장한 그대로의 글꼴, 원래 콘텐츠 스트림 연산자는 찾을 수 없습니다.

다음 프로그램이 무엇을 기대하는지에 따라 정하세요. 파이프라인이 이미 LibreOffice나 Office XML을 읽는다면 이것이 바로 쓸 수 있는 입력입니다. 스크립트에서 단어를 읽고 싶다면 일반 텍스트가 더 간단합니다. 레이아웃을 편집하려면 Word로 변환한 뒤 편집기에서 파일을 여세요.

가져오기 기능이 배치된 텍스트로부터 문단을 재구성하므로, 문단 안의 줄바꿈, 단, 머리글과 바닥글이 사람이 그리는 것과 다른 구조에 놓일 수 있습니다. XML은 PDF를 충실히 비춘 것이 아니라 확인이 필요한 1차 결과로 보세요.

기능

  • LibreOffice `writer_pdf_import`로 XML 변환
  • PDF 구조 덤프도 OCR도 아님
  • 페이지 범위나 스키마 옵션 없음
  • 익명 API: /api/v1/convert/pdf/xml

이런 경우에

  • 전자 생성 PDF를 이미 Office XML을 처리하는 파이프라인에 넣기
  • LibreOffice가 문서를 어떻게 토큰화했는지 살펴보기
  • 다음 단계로 DOCX가 맞지 않을 때 XML 초안 얻기
  • 같은 문서를 두 번 내보낸 결과의 XML을 diff로 비교해 구조 차이 보기
  • 스타일 이름이 붙은 문단 단위 텍스트를 Office XML 어휘를 이미 아는 스크립트로 가져오기

PDF를 XML로 변환하려면?

  1. 텍스트 기반 PDF를 업로드합니다.
  2. 처리를 누릅니다. 이 페이지에는 형식 선택이 없습니다.
  3. `.xml` 파일을 내려받습니다.
  4. LibreOffice나 편집기에서 열고 초안으로 다룹니다.
  5. PDF에 나오는 특징적인 단어 몇 개를 XML에서 검색해 보세요. 찾을 수 없다면 PDF에 텍스트 레이어가 없을 가능성이 높으니 먼저 OCR을 사용하세요.
  6. XML을 자동화 도구에 넘기기 전에 단, 표, 각주처럼 레이아웃이 가장 까다로운 부분을 확인하세요.

제한과 경계

  • 태그된 PDF나 XFDF/XFA 추출이 아님
  • OCR 아님
  • 표와 쪽 나눔이 PDF와 일치하지 않음
  • 글꼴은 이름만 담기고 포함되지 않음
  • 문서 전체를 먼저 가져오기 때문에 매우 크거나 복잡한 파일은 실패하거나 오래 걸릴 수 있음
  • 이 사이트의 업로드 한도는 파일당 500MB이며, 약 95MB를 넘으면 나누어 전송합니다. API 직접 요청 한 건의 본문은 100MB까지입니다.

예시

  • 워드 프로세서로 만든 두 페이지짜리 텍스트 메모: XML에 스타일이 붙은 문단이 들어 있어 메모의 문장을 검색하면 찾을 수 있음
  • 3단으로 된 잡지 페이지: 가져오기 기능이 페이지를 읽은 순서대로 텍스트가 나열되며 단이 섞일 수 있으니 순서를 확인할 것
  • 텍스트 레이어가 없는 30페이지 스캔본: XML에는 대부분 그림 참조만 있으며 다음 단계는 OCR
  • 텍스트 메모는 문단 런이 가득한 큰 Office XML이 되는 경우가 많음
  • 스캔만 있는 PDF는 대부분 이미지를 감싼 XML이 되는 경우가 많음

이 도구의 개인정보 안내

파일은 HTTPS로 업로드되며, 서버 메모리 또는 수명이 짧은 임시 디렉터리에서 처리되고, 결과가 준비되면 삭제됩니다. 이후 열람·학습·광고 프로필용 사본은 보관하지 않습니다. 보관 기간과 AdSense 쿠키 고지는 개인정보 처리방침을 참고하세요.

자주 묻는 질문

XML에 표가 유지되나요?
가져오기 기능이 레이아웃을 표로 인식하면 표가 유지될 수 있지만, 쪽 나눔과 셀 경계는 최선을 다한 결과입니다. 행과 열이 목적이라면 PDF를 CSV로가 더 직접적인 도구입니다.
파일이 PDF보다 훨씬 큰 이유는 무엇인가요?
Office XML은 모든 문단, 런, 스타일을 텍스트로 풀어 쓰고 그림이 삽입될 수도 있어서 출력이 원본보다 클 수 있습니다. 이는 형식의 특성이며 오류가 아닙니다.
스캔한 문서에도 쓸 수 있나요?
쓸 만한 결과는 나오지 않습니다. 텍스트 레이어가 없으면 가져올 것이 페이지 그림뿐입니다. 먼저 OCR로 텍스트 버전을 만든 다음 그것을 변환하세요.
태그된 PDF의 태그를 가져올 수 있나요?
아닙니다. 접근성을 갖춘 PDF의 태그 트리는 내보내지 않습니다. XML의 구조는 가져오기 기능이 레이아웃을 추측해 만든 것입니다.
변환이 실패하면 어떻게 해야 하나요?
PDF에 PDF 복구를 실행한 뒤 변환을 다시 하세요. 그래도 실패하면 파일이 가져오기 기능이 읽을 수 있는 범위를 넘어 손상되었을 수 있습니다.
글꼴은 유지되나요?
가져오기 기능이 읽을 수 있으면 글꼴 이름이 스타일로 담기지만, 출력에 글꼴 파일은 포함되지 않으므로 글꼴이 설치되어 있지 않으면 XML이 대체 글꼴로 표시됩니다.
PDF 내부의 XML인가요?
아닙니다. LibreOffice가 가져온 문서를 XML로 내보낸 것이며 PDF 객체 트리가 아닙니다.
스캔본이 거의 비어 있는 이유는 무엇인가요?
LibreOffice가 가져올 텍스트가 없기 때문입니다. 픽셀로 된 글자에는 OCR → Markdown을 쓰세요.
다른 XML 형식을 고를 수 있나요?
아닙니다. 변환기는 outputFormat 기본값을 xml로 두고 이 경로에서는 그 값만 허용합니다.
Word로 변환과 어떻게 다른가요?
가져오기 기능은 같고 출력이 다릅니다. Word는 docx/doc/odt를 주고, 이 경로는 xml을 줍니다.

최종 업데이트:

코드에서 호출하기

이 사이트의 도구는 모두 일반 REST 엔드포인트입니다. 익명 사용에는 계정이나 API 키가 필요 없습니다. 브라우저뿐 아니라 개발자와 AI 에이전트도 그대로 쓸 수 있습니다.

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

Model Context Protocol을 쓰는 에이전트 클라이언트용 MCP 도구로도 제공합니다(JSON-RPC 2.0, POST /mcp). 전체 API 문서

AI 에이전트에서 사용하기

스킬

이 스킬을 설치하면 Claude Code, Codex, Cursor 등 AI 에이전트가 'PDF를 XML로' 작업을 대신 실행합니다: /skills/pdf123-pdf-to-xml.md

전체 에이전트 스킬

파일은 이번 처리에만 쓰이며, 끝나면 자동으로 삭제됩니다.